Llama 4 Maverick — Benchmark, Capacità e Casi d'Uso
Llama 4 Maverick è un modello AI open-weight di Meta (17B/400B MoE (128 esperti)), classificato come Established (Affermato) con una finestra di contesto di 1 m...
4 min di lettura
Llama 4 Scout è un modello AI collaudato ancora ampiamente utilizzato nei sistemi di produzione, sviluppato da Meta e rilasciato nell’aprile 2025. Come modello open-weight, i suoi pesi addestrati sono pubblicamente disponibili — puoi ospitarlo autonomamente, metterlo a punto su dati proprietari o eseguirlo on-premise senza dipendenze API. La sua finestra di contesto di 10 milioni di token è una delle più grandi disponibili — in grado di elaborare documenti lunghi come libri, interi repository di codice o cronologie di conversazioni molto estese in un singolo prompt.
Nella FlowHunt AI Leaderboard è uno dei 24 modelli monitorati, valutato su 4 benchmark. Punteggi di rilievo: 50,3% su MATH-500 (#4 di 4); 32,8% su LiveCodeBench (#5 di 5); 52,2% su MMLU-Pro (#8 di 8).
Llama 4 Scout è stato rilasciato insieme a Maverick il 5 aprile 2025 come variante più piccola e altamente accessibile della generazione Llama 4 — e ha subito attirato l’attenzione per la sua finestra di contesto: 10 milioni di token, la più grande di qualsiasi modello in questa classifica. La finestra da 10 milioni di token è stata ottenuta tramite modifiche al meccanismo di attenzione e alla codifica posizionale che hanno permesso al modello di mantenere coerenza su documenti molto più lunghi di quanto qualsiasi precedente modello open-weight potesse gestire. Scout (17B attivi / 109B totali, 16 esperti) è diventato il modello predefinito per le pipeline di generazione aumentata da recupero che necessitavano di operare su raccolte di documenti molto grandi senza suddivisione — elaborando intere storie di casi legali, codebase o corpus di letteratura scientifica in un singolo prompt.
Nota: Contesto architetturale di 10 milioni di token. Singolo H100 (Int4). DocVQA 94,4%.
- Rilasciato
- Aprile 2025
- Parametri
- 17B/109B MoE (16 esperti)
- Contesto
- 10M token
- Pesi
- Aperti
- Categoria
- Established
- Fornitore
- 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 (ex Facebook) è una delle più grandi aziende tecnologiche al mondo, con sede a Menlo Park, California, ed è nota soprattutto per Facebook, Instagram, WhatsApp e Threads. Attraverso Meta AI (ex FAIR), l'azienda è diventata la più prolifica pubblicatrice di modelli linguistici di grandi dimensioni a pesi aperti tramite la famiglia Llama. La serie Llama 4 — Maverick, Scout e Behemoth — è stata rilasciata con licenze comunitarie permissive e rimane la famiglia di modelli aperti più scaricata su piattaforme come Hugging Face. La strategia IA di Meta è distintiva tra i grandi laboratori: invece di gestire un'API commerciale, Meta rilascia modelli apertamente per uso di ricerca e commerciale, integra funzionalità di IA generativa nelle proprie applicazioni e ha pubblicamente sostenuto i rilasci a pesi aperti come l'approccio più democratico allo sviluppo dell'IA.
Casi d'Uso
Per Cosa Usare Llama 4 Scout
- Distribuzioni Self-Hosted e Private
Llama 4 Scout è open-weight (parametri 17B/109B MoE (16 esperti)) — i suoi pesi addestrati sono pubblicamente disponibili per il download e l'implementazione autonoma. Eseguilo sulla tua GPU hardware o sul cloud privato per garantire che i dati non lascino mai il tuo ambiente, eliminare i costi API per token su larga scala o mettere a punto il modello su dataset proprietari.
- Analisi di Documenti Lunghi e Codebase
Con una finestra di contesto di 10 milioni di token, Llama 4 Scout può acquisire interi repository software, lunghi contratti legali, rapporti di ricerca lunghi come libri o estese cronologie di conversazioni in un singolo prompt — consentendo un Q&A approfondito sui documenti, ragionamento cross-file su codebase e sintesi completa senza euristiche di suddivisione o pipeline RAG.
Strengths & Limitations
Strengths
- Distribuzioni self-hosted e data-private (open-weight)
- Documenti molto lunghi e grandi codebase (contesto 10M)
Limitations
- Significativamente indietro rispetto ai modelli frontier del 2026 per coding agentivo e ragionamento complesso
Esplora la Classifica Completa dei Modelli AI
Confronta tutti i 24 modelli su 11 benchmark — ordinabili, con fonti e aggiornati a giugno 2026.
Domande frequenti
Scopri di più
Llama 3.3 70B — Benchmark, Capacità e Casi d'Uso
Llama 3.3 70B è un modello AI open-weight di Meta (70B dense), classificato come Established con una finestra di contesto di 128K token. È disponibile direttame...
4 min di lettura
Llama 4 Scout AI: Analisi delle Prestazioni su Compiti Diversificati
Un'analisi approfondita delle prestazioni del modello Llama 4 Scout AI di Meta su cinque compiti diversi, che rivela capacità impressionanti nella generazione d...
5 min di lettura
AI
Llama 4
+8