Llama 4 Maverick — Benchmarky, schopnosti a případy použití
Llama 4 Maverick je open-weight AI model od společnosti Meta (17B/400B MoE (128 expertů)), zařazený do kategorie Established s kontextovým oknem 1M tokenů. Proz...
4 min čtení
Llama 4 Scout je osvědčený model AI stále široce nasazovaný v produkčních systémech, vyvinutý společností Meta a vydaný v dubnu 2025. Jako open-weight model má veřejně dostupné natrénované váhy – můžete si jej hostovat sami, dolaďovat na vlastních datech nebo provozovat on-premise bez závislosti na API. Jeho kontextové okno o velikosti 10 milionů tokenů je jedním z největších dostupných – dokáže zpracovat dokumenty v délce knihy, celé repozitáře kódu nebo velmi dlouhé historie konverzací v jediném promptu.
Na žebříčku FlowHunt AI Leaderboard je jedním z 24 sledovaných modelů hodnocených napříč 4 benchmarky. Významná skóre: 50,3 % na MATH-500 (#4 ze 4); 32,8 % na LiveCodeBench (#5 z 5); 52,2 % na MMLU-Pro (#8 z 8).
Llama 4 Scout byl vydán společně s Maverickem 5. dubna 2025 jako menší, vysoce dostupný variant modelové generace Llama 4 – a okamžitě upoutal pozornost svým kontextovým oknem: 10 milionů tokenů, největším ze všech modelů na tomto žebříčku. Desetimilionové okno bylo dosaženo úpravami mechanismu pozornosti a pozičního kódování, které modelu umožnily udržet soudržnost napříč dokumenty daleko delšími, než dokázal jakýkoli dřívější open-weight model. Scout (17B aktivních / 109B celkem, 16 expertů) se stal výchozím modelem pro pipeline retrieval-augmented generation, které potřebovaly pracovat s velmi rozsáhlými kolekcemi dokumentů bez nutnosti chunkování – zpracovávat celé právní kauzy, kódové základny nebo korpusy vědecké literatury v jediném promptu.
Poznámka: 10M tokenové architektonické kontextové okno. Jedno H100 (Int4). DocVQA 94,4 %.
- Vydáno
- Duben 2025
- Parametry
- 17B/109B MoE (16 expertů)
- Kontext
- 10M tokenů
- Váhy
- Otevřené
- Kategorie
- Established
- Poskytovatel
- Meta
Llama 4 Scout Benchmark Rankings
Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.
| Benchmark | Score | Rank | Source | What it measures |
|---|---|---|---|---|
| MMLU-Pro | 52.2% | 8 of 8 | SR | Hard knowledge reasoning, 12K questions |
| LiveCodeBench | 32.8% | 5 of 5 | SR | Competitive programming, continuously updated |
| MATH-500 | 50.3% | 4 of 4 | SR | Hendrycks math (500 problems) |
| AA Intelligence Index | 14.0 pts | 9 of 9 | AA | Artificial Analysis composite score (independent) |
Detailed Benchmark Scores
MMLU-P
SR
52.2%
Hard knowledge reasoning, 12K questions
LiveCode
SR
32.8%
Competitive programming, continuously updated
MATH
SR
50.3%
Hendrycks math (500 problems)
AA Idx
AA
14.0 pts
Artificial Analysis composite score (independent)
Llama 4 Scout vs. Established Peers
Head-to-head benchmark comparison with other Established-tier models. Higher is better for all metrics.
| Benchmark | Llama 4 Scout | GPT-4o | Llama 4 Maverick |
|---|---|---|---|
| MMLU-P | 52.2% | 72.6% | 80.5% |
| LiveCode | 32.8% | — | 43.4% |
| MATH | 50.3% | — | — |
| AA Idx | 14.0 pts | — | — |
About Meta
Meta Platforms (dříve Facebook) je jednou z největších technologických společností na světě se sídlem v Menlo Parku v Kalifornii, známá především díky Facebooku, Instagramu, WhatsAppu a Threads. Prostřednictvím Meta AI (dříve FAIR) se společnost stala nejplodnějším vydavatelem velkých jazykových modelů s otevřenými váhami v rámci rodiny Llama. Řada Llama 4 – Maverick, Scout a Behemoth – byla vydána pod liberálními komunitními licencemi a zůstává nejstahovanějšími modely s otevřenými váhami na platformách jako Hugging Face. AI strategie Meta je mezi velkými laboratořemi jedinečná: namísto provozování komerčního API uvolňuje Meta modely otevřeně pro výzkumné a komerční účely, integruje funkce generativní AI do svých vlastních aplikací a veřejně se zasazuje o uvolňování modelů s otevřenými váhami jako o nejdemokratičtější přístup k vývoji AI.
Případy použití
K čemu Llama 4 Scout používat
- Vlastní hostování a soukromé nasazení
Llama 4 Scout je open-weight (17B/109B MoE (16 expertů) parametrů) — jeho natrénované váhy jsou veřejně dostupné ke stažení a vlastnímu nasazení. Provozujte jej na vlastním GPU hardwaru nebo v privátním cloudu, abyste zajistili, že data nikdy neopustí vaše prostředí, eliminovali náklady na API při škálování nebo model dolaďovali na proprietárních datových sadách.
- Analýza dlouhých dokumentů a kódových základen
S kontextovým oknem 10 milionů tokenů dokáže Llama 4 Scout zpracovat celé softwarové repozitáře, dlouhé právní smlouvy, výzkumné zprávy v délce knihy nebo rozsáhlé historie konverzací v jediném promptu — což umožňuje hloubkové dotazování nad dokumenty, uvažování napříč soubory v kódové základně a komplexní sumarizaci bez heuristik chunkování nebo RAG pipeline.
Strengths & Limitations
Strengths
- Vlastní hostování a soukromá data (open-weight)
- Velmi dlouhé dokumenty a rozsáhlé kódové základny (10M kontext)
Limitations
- Výrazně zaostává za špičkovými modely z roku 2026 v oblasti agentického kódování a komplexního uvažování
Prohlédněte si celý žebříček AI modelů
Porovnejte všech 24 modelů napříč 11 benchmarky — tříditelné, s uvedením zdrojů, aktualizováno červen 2026.
Často kladené otázky
Zjistit více
Llama 3.3 70B — Benchmarky, schopnosti a případy použití
Llama 3.3 70B je open-weight model AI od společnosti Meta (70B dense), zařazený do kategorie Established s kontextovým oknem 128K tokenů. Je k dispozici přímo v...
4 min čtení
Llama 4 Scout AI: Analýza výkonu napříč různými úkoly
Podrobná analýza výkonu modelu Llama 4 Scout AI od společnosti Meta napříč pěti rozmanitými úkoly odhaluje působivé schopnosti v generování obsahu, výpočtech, s...
4 min čtení
AI
Llama 4
+8