Logotipo de Meta

Meta

Llama 4 Scout

EstablishedOpen-weightAvailable in FlowHunt

Llama 4 Scout es un modelo de IA probado que todavía se implementa ampliamente en sistemas de producción, desarrollado por Meta y lanzado en abril de 2025. Como modelo de pesos abiertos, sus pesos entrenados están disponibles públicamente — puedes auto-alojarlo, ajustarlo con datos propietarios o ejecutarlo localmente sin dependencias de API. Su ventana de contexto de 10M de tokens es una de las más grandes disponibles — capaz de procesar documentos del tamaño de un libro, repositorios de código completos o historiales de conversación muy largos en una sola instrucción.

En el Ranking de Modelos de IA de FlowHunt es uno de los 24 modelos rastreados, evaluado en 4 puntos de referencia. Puntuaciones destacadas: 50.3% en MATH-500 (#4 de 4); 32.8% en LiveCodeBench (#5 de 5); 52.2% en MMLU-Pro (#8 de 8).

Llama 4 Scout fue lanzado junto con Maverick el 5 de abril de 2025 como la variante más pequeña y altamente accesible de la generación Llama 4 — e inmediatamente llamó la atención por su ventana de contexto: 10 millones de tokens, la más grande de cualquier modelo en este ranking. La ventana de 10M de tokens se logró mediante modificaciones en el mecanismo de atención y la codificación posicional que permitieron al modelo mantener coherencia a lo largo de documentos mucho más extensos de lo que cualquier modelo previo de pesos abiertos podía manejar. Scout (17B activos / 109B totales, 16 expertos) se convirtió en el modelo predeterminado para tuberías de generación aumentada por recuperación que necesitaban operar sobre colecciones de documentos muy grandes sin fragmentación — procesando historiales de casos legales completos, bases de código o corpus de literatura científica en una sola instrucción.

Nota: Contexto arquitectónico de 10M de tokens. Un solo H100 (Int4). DocVQA 94.4%.

Lanzamiento
Abril 2025
Parámetros
17B/109B MoE (16 expertos)
Contexto
10M tokens
Pesos
Abiertos
Nivel
Establecido
Proveedor
Meta

Llama 4 Scout Benchmark Rankings

Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.

BenchmarkScoreRankSourceWhat it measures
MMLU-Pro52.2%8 of 8SRHard knowledge reasoning, 12K questions
LiveCodeBench32.8%5 of 5SRCompetitive programming, continuously updated
MATH-50050.3%4 of 4SRHendrycks math (500 problems)
AA Intelligence Index14.0 pts9 of 9AAArtificial 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.

BenchmarkLlama 4 ScoutGPT-4oLlama 4 Maverick
MMLU-P52.2%72.6%80.5%
LiveCode32.8%43.4%
MATH50.3%
AA Idx14.0 pts

About Meta

Meta Founded 2004 · Menlo Park, CA
Website →

Meta Platforms (anteriormente Facebook) es una de las empresas tecnológicas más grandes del mundo, con sede en Menlo Park, California, y conocida principalmente por Facebook, Instagram, WhatsApp y Threads. A través de Meta AI (anteriormente FAIR), la empresa se ha convertido en la publicación más prolífica de modelos de lenguaje grandes de pesos abiertos mediante la familia Llama. La serie Llama 4 — Maverick, Scout y Behemoth — se lanzó bajo licencias comunitarias permisivas y siguen siendo los modelos de pesos abiertos más descargados en plataformas como Hugging Face. La estrategia de IA de Meta es distintiva entre los principales laboratorios: en lugar de operar una API comercial, Meta lanza modelos abiertamente para uso comercial y de investigación, integra funciones de IA generativa en sus propias aplicaciones y ha defendido públicamente los lanzamientos de pesos abiertos como el enfoque más democrático para el desarrollo de IA.

Casos de Uso

Para qué usar Llama 4 Scout

Implementaciones Auto-alojadas y Privadas
Análisis de Documentos Extensos y Bases de Código

Strengths & Limitations

Strengths

  • Implementaciones auto-alojadas y con privacidad de datos (pesos abiertos)
  • Documentos muy extensos y bases de código grandes (contexto de 10M)

Limitations

  • Significativamente por detrás de los modelos frontera de 2026 en codificación agéntica y razonamiento complejo

Explora el Ranking Completo de Modelos de IA

Preguntas frecuentes

Saber más

Llama 4 Scout AI: Análisis de rendimiento en múltiples tareas
Llama 4 Scout AI: Análisis de rendimiento en múltiples tareas

Llama 4 Scout AI: Análisis de rendimiento en múltiples tareas

Un análisis en profundidad del rendimiento del modelo Llama 4 Scout AI de Meta en cinco tareas diversas, que revela impresionantes capacidades en generación de ...

5 min de lectura
AI Llama 4 +8