Qu'est-ce que Llama 4 Scout ?

Llama 4 Scout est un modèle d'IA éprouvé, encore largement déployé dans des systèmes de production, développé par Meta et sorti en avril 2025. Il gère les tâches d'IA générales, notamment la rédaction, l'analyse, la synthèse et le question-réponse.

Llama 4 Scout est-il open-source ou open-weight ?

Llama 4 Scout est un modèle open-weight. Ses poids entraînés sont accessibles publiquement pour téléchargement, auto-hébergement et fine-tuning. Vous pouvez l'exécuter sur votre propre infrastructure sans frais d'API par token. Notez que open-weight n'est pas équivalent à open-source : le code d'entraînement et les données peuvent ne pas être entièrement publics.

Quelle est la fenêtre de contexte de Llama 4 Scout ?

Llama 4 Scout prend en charge une fenêtre de contexte de 10M tokens — l'une des plus grandes disponibles. Il peut traiter des documents de la taille d'un livre, des dépôts de code entiers ou de très longs historiques de conversation en une seule requête.

Llama 4 Scout est-il disponible dans FlowHunt ?

Llama 4 Scout n'est plus disponible dans FlowHunt. Le classement des IA indique quels modèles vous pouvez utiliser dans FlowHunt dès aujourd'hui.

Meta Established Poids ouverts Absent de FlowHunt

Llama 4 Scout

Llama 4 Scout est un modèle d’IA éprouvé, encore largement déployé dans des systèmes de production, développé par Meta et sorti en avril 2025. En tant que modèle open-weight, ses poids entraînés sont accessibles publiquement — vous pouvez l’auto-héberger, l’affiner sur des données propriétaires ou l’exécuter sur site sans dépendance aux API. Sa fenêtre de contexte de 10M tokens est l’une des plus grandes disponibles — capable de traiter des documents de la taille d’un livre, des dépôts de code entiers ou de très longs historiques de conversation en une seule requête.

Llama 4 Scout a été publié aux côtés de Maverick le 5 avril 2025 en tant que variante plus petite et très accessible de la génération Llama 4 — et a immédiatement attiré l’attention pour sa fenêtre de contexte : 10 millions de tokens, la plus grande de tous les modèles de ce classement. La fenêtre de 10M tokens a été obtenue grâce à des modifications du mécanisme d’attention et de l’encodage positionnel, permettant au modèle de maintenir sa cohérence sur des documents bien plus longs que tout autre modèle open-weight antérieur. Scout (17B actifs / 109B total, 16 experts) est devenu le modèle par défaut pour les pipelines de génération augmentée par récupération (RAG) nécessitant de traiter de très grandes collections de documents sans découpage — analysant des historiques juridiques complets, des bases de code ou des corpus de littérature scientifique en une seule requête.

Essayer Claude Haiku 5.5 dans FlowHunt Retour à l'AI Leaderboard

Benchmarks

Chaque score n'apparaît qu'une fois, avec son rang parmi les modèles suivis et l'indication de qui l'a mesuré.

Comparé aux modèles de niveau Established sur la même échelle

Llama 4 Scoutce modèle
GPT-4oce modèle est en tête sur 2 sur 3
Llama 4 Maverickce modèle est en tête sur 0 sur 5

Vérifié évaluateur indépendant, compte pour le classement

Général

AA Intelligence Index

Independent composite of agent, coding, knowledge and science tests by Artificial Analysis (v4).

Source ↗

Llama 4 Scout 8,1 GPT-4o 8,4 Llama 4 Maverick 10,0

#43sur 45 Vérifié

Agents

Terminal-Bench 4.0

Multi-step professional tasks done by an agent in a command-line terminal.

Source ↗

Llama 4 Scout 0,0% GPT-4o Llama 4 Maverick 0,0%

#33sur 36 Vérifié

Raisonnement

Humanity's Last Exam

Expert-written questions across 100+ subjects, no tools.

Source ↗

Llama 4 Scout 3,8% GPT-4o 2,4% Llama 4 Maverick 4,9%

#42sur 44 Vérifié

GPQA Diamond

Graduate-level science questions that search cannot answer.

Source ↗Aussi : Vérifié 47,0% (Vals AI own implementation)

Llama 4 Scout 58,7% GPT-4o 54,3% Llama 4 Maverick 67,1%

#33sur 37 Vérifié

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

Source ↗

Llama 4 Scout 0,0% GPT-4o Llama 4 Maverick 0,0%

#26sur 27 Vérifié

Pourquoi utiliser Llama 4 Scout

Déploiements auto-hébergés et privés

Llama 4 Scout est open-weight (17B/109B MoE (16 experts) paramètres) — ses poids entraînés sont accessibles publiquement pour téléchargement et auto-déploiement. Exécutez-le sur votre propre matériel GPU ou cloud privé pour garantir que vos données ne quittent jamais votre environnement, éliminez les coûts d'API par token à grande échelle, ou affinez le modèle sur des ensembles de données propriétaires.

Analyse de longs documents et de bases de code

Avec une fenêtre de contexte de 10M tokens, Llama 4 Scout peut ingérer des dépôts logiciels entiers, de longs contrats juridiques, des rapports de recherche de la taille d'un livre ou de vastes historiques de conversation en une seule requête — permettant un question-réponse approfondi sur des documents, un raisonnement transversal sur des bases de code, et une synthèse complète sans heuristiques de découpage ni pipelines RAG.

Points forts et limites

Points forts

Déploiements auto-hébergés et respectueux de la confidentialité des données (open-weight)
Très longs documents et grandes bases de code (contexte de 10M)

Limites

Significativement en retard par rapport aux modèles de pointe de 2026 en matière de codage agentique et de raisonnement complexe

Utilisez une alternative dans FlowHunt

Llama 4 Scout n'est pas disponible dans FlowHunt. Ces modèles couvrent des usages similaires et sont prêts à l'emploi :

Essayer Claude Haiku 5.5 dans FlowHunt

Modèles d'IA associés

À propos de Meta Menlo Park, CA · Fondé 2004 · ai.meta.com

Meta Platforms (anciennement Facebook) est l'une des plus grandes entreprises technologiques mondiales, dont le siège est à Menlo Park, en Californie, et surtout connue pour Facebook, Instagram, WhatsApp et Threads. Via Meta AI (anciennement FAIR), l'entreprise est devenue l'éditeur le plus prolifique de grands modèles de langage à poids ouverts via la famille Llama. Les séries Llama 4 — Maverick, Scout et Behemoth — ont été publiées sous des licences communautaires permissives et restent les modèles à poids ouverts les plus téléchargés sur des plateformes comme Hugging Face. La stratégie IA de Meta est distincte parmi les grands laboratoires : plutôt que d'exploiter une API commerciale, Meta publie ses modèles ouvertement pour la recherche et l'usage commercial, intègre des fonctionnalités d'IA générative dans ses propres applications, et a publiquement plaidé en faveur des publications à poids ouverts comme l'approche la plus démocratique du développement de l'IA.

ai.meta.com ↗

Parcourez le classement complet des modèles d'IA

Comparez tous les modèles suivis sur des benchmarks de programmation, d'agents et de raisonnement, chaque score étant indiqué comme vérifié ou autodéclaré.

← Retour au classement IA Essayer dans FlowHunt

Questions fréquemment posées

: Llama 4 Scout est un modèle d'IA éprouvé, encore largement déployé dans des systèmes de production, développé par Meta et sorti en avril 2025. Il gère les tâches d'IA générales, notamment la rédaction, l'analyse, la synthèse et le question-réponse.
: Llama 4 Scout est un modèle open-weight. Ses poids entraînés sont accessibles publiquement pour téléchargement, auto-hébergement et fine-tuning. Vous pouvez l'exécuter sur votre propre infrastructure sans frais d'API par token. Notez que open-weight n'est pas équivalent à open-source : le code d'entraînement et les données peuvent ne pas être entièrement publics.
: Llama 4 Scout prend en charge une fenêtre de contexte de 10M tokens — l'une des plus grandes disponibles. Il peut traiter des documents de la taille d'un livre, des dépôts de code entiers ou de très longs historiques de conversation en une seule requête.
: Llama 4 Scout n'est plus disponible dans FlowHunt. Le classement des IA indique quels modèles vous pouvez utiliser dans FlowHunt dès aujourd'hui.

En savoir plus

Llama 4 Maverick — Benchmarks, Capacités et Cas d'Usage

Llama 4 Maverick est un modèle d'IA open-weight de Meta (17B/400B MoE (128 experts)), classé au niveau Établi avec une fenêtre de contexte de 1 million de token...

Apr 5, 2025 5 min de lecture

Llama 3.3 70B — Benchmarks, Capacités et Cas d'Usage

Llama 3.3 70B est un modèle d'IA open-weight de Meta (70B dense), classé au niveau Établi avec une fenêtre de contexte de 128K tokens. Explorez les scores de be...

Dec 6, 2024 4 min de lecture

Llama 4 Scout AIxa0: Analyse des performances sur plusieurs tâches

Une analyse approfondie des performances du modèle Llama 4 Scout AI de Meta sur cinq tâches variées, révélant des capacités impressionnantes en génération de co...

May 30, 2025 5 min de lecture

AI Llama 4 +8

Llama 4 Scout