Hvad er Llama 4 Scout?

Llama 4 Scout er en gennemprøvet AI-model, der stadig er bredt implementeret i produktionssystemer, udviklet af Meta og udgivet i april 2025. Den håndterer generelle AI-opgaver såsom skrivning, analyse, opsummering og spørgsmålsbesvarelse.

Er Llama 4 Scout open-source eller open-weight?

Llama 4 Scout er en open-weight-model. Dens trænede vægte er offentligt tilgængelige til download, selv-hosting og finjustering. Du kan køre den på din egen infrastruktur uden per-token API-gebyrer. Bemærk at open-weight ikke er det samme som open-source: træningskoden og dataene er muligvis ikke fuldt offentlige.

Hvad er Llama 4 Scouts kontekstvindue?

Llama 4 Scout understøtter et 10M-tokens kontekstvindue — et af de største tilgængelige. Det kan behandle boglange dokumenter, hele koderepositorier eller meget lange samtalehistorikker i en enkelt prompt.

Hvilke benchmarks er Llama 4 Scout blevet evalueret på?

Llama 4 Scout er blevet evalueret på: MMLU-Pro (52,2%), LiveCodeBench (32,8%), MATH-500 (50,3%), AA Intelligence Index (14,0 pts). Scoringer mærket SR er selvrapporterede af udbyderen; scoringer mærket 3P eller AA er uafhængigt verificeret af tredjeparter.

Er Llama 4 Scout tilgængelig i FlowHunt?

Ja — Llama 4 Scout er direkte tilgængelig i FlowHunt. Du kan bruge den til at bygge AI-agenter, automatiserede arbejdsgange, chatbots og dokumentbehandlingspipelines uden yderligere opsætning.

Hvordan klarer Llama 4 Scout sig sammenlignet med andre AI-modeller?

Du kan sammenligne Llama 4 Scout med alle 24 modeller, der spores på FlowHunt AI Leaderboard, ved hjælp af den sorterbare benchmark-tabel. Afsnittet Benchmark Rankings på denne side viser Llama 4 Scouts placering på hvert benchmark, den er blevet evalueret på.

Llama 4 Scout

EstablishedOpen-weightAvailable in FlowHunt

Try in FlowHunt

Llama 4 Scout er en gennemprøvet AI-model, der stadig er bredt implementeret i produktionssystemer, udviklet af Meta og udgivet i april 2025. Som en open-weight-model er dens trænede vægte offentligt tilgængelige — du kan selv-host den, finjustere den på proprietære data eller køre den on-premise uden API-afhængigheder. Dets 10M-tokens kontekstvindue er et af de største tilgængelige — i stand til at behandle boglange dokumenter, hele koderepositorier eller meget lange samtalehistorikker i en enkelt prompt.

På FlowHunt AI Leaderboard er det en af 24 spores modeller, evalueret på tværs af 4 benchmarks. Fremtrædende scoringer: 50,3% på MATH-500 (#4 af 4); 32,8% på LiveCodeBench (#5 af 5); 52,2% på MMLU-Pro (#8 af 8).

Llama 4 Scout blev udgivet sammen med Maverick den 5. april 2025 som den mindre, yderst tilgængelige variant af Llama 4-generationen — og tiltrak straks opmærksomhed for sit kontekstvindue: 10 millioner tokens, det største af enhver model på dette leaderboard. 10M-tokens-vinduet blev opnået gennem ændringer af opmærksomhedsmekanismen og positionskodning, der gjorde modellen i stand til at opretholde sammenhæng på tværs af dokumenter, der var langt længere, end nogen tidligere open-weight-model kunne håndtere. Scout (17B aktiv / 109B total, 16 eksperter) blev standardmodellen til retrieval-augmented generation-pipelines, der skulle operere over meget store dokumentsamlinger uden chunking — behandling af hele juridiske sagsforløb, kodebaser eller videnskabelige litteratursamlinger i en enkelt prompt.

Bemærk: 10M token arkitektonisk kontekst. Enkelt H100 (Int4). DocVQA 94,4%.

Try in FlowHunt

Udgivet: April 2025
Parametre: 17B/109B MoE (16 eksperter)
Kontekst: 10M tokens
Vægte: Åbne
Niveau: Etableret
Udbyder: 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 Founded 2004 · Menlo Park, CA

Website →

Meta Platforms (tidligere Facebook) er et af verdens største teknologiselskaber med hovedkvarter i Menlo Park, Californien, og bedst kendt for Facebook, Instagram, WhatsApp og Threads. Gennem Meta AI (tidligere FAIR) er virksomheden blevet den mest produktive udgiver af åbne vægts-store sprogmodeller via Llama-familien. Llama 4-serien — Maverick, Scout og Behemoth — blev udgivet under tilladende fællesskabslicenser og er fortsat de mest downloadede åbne vægtmodeller på platforme som Hugging Face. Metas AI-strategi er særegen blandt større laboratorier: i stedet for at drive en kommerciel API udgiver Meta modeller åbent til forskning og kommerciel brug, integrerer generative AI-funktioner på tværs af sine egne applikationer og har offentligt talt for åbne vægtudgivelser som den mest demokratiske tilgang til AI-udvikling.

Anvendelsestilfælde

Hvad skal Llama 4 Scout bruges til

Selv-hostede & private implementeringer: Llama 4 Scout er open-weight (17B/109B MoE (16 eksperter) parametre) — dens trænede vægte er offentligt tilgængelige til download og selv-implementering. Kør den på din egen GPU-hardware eller private cloud for at sikre, at data aldrig forlader dit miljø, eliminer per-token API-omkostninger i stor skala, eller finjuster modellen på proprietære datasæt.
Lange dokumenter & kodebaseanalyse: Med et 10M-tokens kontekstvindue kan Llama 4 Scout indlæse hele softwarerepositorier, lange juridiske kontrakter, boglange forskningsrapporter eller omfattende samtalehistorikker i en enkelt prompt — hvilket muliggør dybdegående dokument-Q&A, krydsfil-kodebaseræsonnering og omfattende opsummering uden chunking-heuristikker eller RAG-pipelines.

Strengths & Limitations

Strengths

Selv-hostede & dataprivate implementeringer (open-weight)
Meget lange dokumenter og store kodebaser (10M kontekst)

Limitations

Betydeligt bagud i forhold til 2026-frontløbermodeller inden for agentisk kodning og kompleks ræsonnering

Mere at sammenligne

Relaterede AI-modeller

Se hele AI Model Leaderboard

Sammenlign alle 24 modeller på tværs af 11 benchmarks — sorterbar, kildeangivet og opdateret juni 2026.

← Tilbage til AI Leaderboard Prøv i FlowHunt

Ofte stillede spørgsmål

: Llama 4 Scout er en gennemprøvet AI-model, der stadig er bredt implementeret i produktionssystemer, udviklet af Meta og udgivet i april 2025. Den håndterer generelle AI-opgaver såsom skrivning, analyse, opsummering og spørgsmålsbesvarelse.
: Llama 4 Scout er en open-weight-model. Dens trænede vægte er offentligt tilgængelige til download, selv-hosting og finjustering. Du kan køre den på din egen infrastruktur uden per-token API-gebyrer. Bemærk at open-weight ikke er det samme som open-source: træningskoden og dataene er muligvis ikke fuldt offentlige.
: Llama 4 Scout understøtter et 10M-tokens kontekstvindue — et af de største tilgængelige. Det kan behandle boglange dokumenter, hele koderepositorier eller meget lange samtalehistorikker i en enkelt prompt.
: Llama 4 Scout er blevet evalueret på: MMLU-Pro (52,2%), LiveCodeBench (32,8%), MATH-500 (50,3%), AA Intelligence Index (14,0 pts). Scoringer mærket SR er selvrapporterede af udbyderen; scoringer mærket 3P eller AA er uafhængigt verificeret af tredjeparter.
: Ja — Llama 4 Scout er direkte tilgængelig i FlowHunt. Du kan bruge den til at bygge AI-agenter, automatiserede arbejdsgange, chatbots og dokumentbehandlingspipelines uden yderligere opsætning.
: Du kan sammenligne Llama 4 Scout med alle 24 modeller, der spores på FlowHunt AI Leaderboard, ved hjælp af den sorterbare benchmark-tabel. Afsnittet Benchmark Rankings på denne side viser Llama 4 Scouts placering på hvert benchmark, den er blevet evalueret på.

Lær mere

Llama 4 Maverick — Benchmarks, Kapacitet og Anvendelsesmuligheder

Llama 4 Maverick er en open-weight AI-model fra Meta (17B/400B MoE (128 eksperter)), klassificeret som Established-tier med et kontekstvindue på 1M tokens. Udfo...

Apr 5, 2025 4 min læsning

Llama 3.3 70B — Benchmarks, evner og anvendelsesmuligheder

Llama 3.3 70B er en open-weight AI-model fra Meta (70B dense), klassificeret som Etableret niveau med en kontekstvindue på 128K tokens. Den er tilgængelig direk...

Dec 6, 2024 4 min læsning

Llama 4 Scout AI: Ydelsesanalyse på tværs af flere opgaver

En dybdegående analyse af Metas Llama 4 Scout AI-modellens ydeevne på fem forskellige opgavetyper, der afslører imponerende evner inden for indholdsgenerering, ...

May 30, 2025 4 min læsning

AI Llama 4 +8