Llama 4 Maverick — Benchmarks, Capacidades e Casos de Uso
Llama 4 Maverick é um modelo de IA de pesos abertos da Meta (17B/400B MoE (128 especialistas)), classificado como nível Established (Estabelecido) com janela de...
5 min de leitura
Llama 4 Scout é um modelo de IA comprovado, ainda amplamente implantado em sistemas de produção, desenvolvido pela Meta e lançado em abril de 2025. Como um modelo de pesos abertos, seus pesos treinados estão disponíveis publicamente — você pode auto-hospedá-lo, fazer fine-tuning com dados proprietários ou executá-lo on-premise sem dependências de API. Sua janela de contexto de 10M de tokens é uma das maiores disponíveis — capaz de processar documentos do tamanho de livros, repositórios de código inteiros ou históricos de conversas muito longos em um único prompt.
No Ranking de IA do FlowHunt, é um dos 24 modelos monitorados, avaliado em 4 benchmarks. Pontuações de destaque: 50,3% no MATH-500 (#4 de 4); 32,8% no LiveCodeBench (#5 de 5); 52,2% no MMLU-Pro (#8 de 8).
O Llama 4 Scout foi lançado junto com o Maverick em 5 de abril de 2025 como a variante menor e altamente acessível da geração Llama 4 — e imediatamente atraiu atenção por sua janela de contexto: 10 milhões de tokens, a maior de qualquer modelo neste ranking. A janela de 10M de tokens foi alcançada através de modificações no mecanismo de atenção e na codificação posicional que permitiram ao modelo manter coerência em documentos muito mais longos do que qualquer modelo anterior de pesos abertos conseguia. O Scout (17B ativos / 109B total, 16 especialistas) tornou-se o modelo padrão para pipelines de geração aumentada por recuperação (RAG) que precisavam operar sobre coleções de documentos muito grandes sem divisão em partes — processando históricos completos de casos jurídicos, bases de código ou corpus de literatura científica em um único prompt.
Nota: Contexto arquitetural de 10M de tokens. H100 único (Int4). DocVQA 94,4%.
- Lançado
- Abril 2025
- Parâmetros
- 17B/109B MoE (16 especialistas)
- Contexto
- 10M tokens
- Pesos
- Abertos
- Nível
- Established
- Provedor
- 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
A Meta Platforms (anteriormente Facebook) é uma das maiores empresas tecnológicas do mundo, com sede em Menlo Park, Califórnia, e mais conhecida pelo Facebook, Instagram, WhatsApp e Threads. Através da Meta AI (anteriormente FAIR), a empresa tornou-se a publicadora mais prolífica de modelos de linguagem de grande escala de pesos abertos através da família Llama. A série Llama 4 — Maverick, Scout e Behemoth — foi lançada sob licenças comunitárias permissivas e continua a ser os modelos de pesos abertos mais descarregados em plataformas como o Hugging Face. A estratégia de IA da Meta é distinta entre os grandes laboratórios: em vez de operar uma API comercial, a Meta lança modelos abertamente para investigação e uso comercial, integra funcionalidades de IA generativa nas suas próprias aplicações e defende publicamente os lançamentos de pesos abertos como a abordagem mais democrática para o desenvolvimento de IA.
Casos de Uso
Para Que Usar o Llama 4 Scout
- Implantações Auto-Hospedadas e Privadas
Llama 4 Scout é de pesos abertos (open-weight) (17B/109B MoE (16 especialistas) parâmetros) — seus pesos treinados estão disponíveis publicamente para download e auto-implantação. Execute-o em seu próprio hardware GPU ou nuvem privada para garantir que os dados nunca saiam do seu ambiente, elimine custos de API por token em escala, ou faça fine-tuning do modelo em conjuntos de dados proprietários.
- Análise de Documentos Longos e Bases de Código
Com uma janela de contexto de 10M de tokens, o Llama 4 Scout pode ingerir repositórios de software inteiros, contratos jurídicos longos, relatórios de pesquisa do tamanho de livros ou históricos extensos de conversas em um único prompt — permitindo perguntas e respostas profundas sobre documentos, raciocínio entre arquivos de código-fonte e sumarização abrangente sem heurísticas de divisão ou pipelines de RAG.
Strengths & Limitations
Strengths
- Implantações auto-hospedadas e com privacidade de dados (pesos abertos)
- Documentos muito longos e grandes bases de código (contexto de 10M)
Limitations
- Significativamente atrás dos modelos de fronteira de 2026 em codificação agentiva e raciocínio complexo
Veja o Ranking Completo de Modelos de IA
Compare todos os 24 modelos em 11 benchmarks — classificável, com fontes, e atualizado em junho de 2026.
Perguntas frequentes
Saiba mais
Llama 3.3 70B — Benchmarks, Capacidades e Casos de Uso
O Llama 3.3 70B é um modelo de IA de pesos abertos da Meta (70B denso), classificado como nível Estabelecido com janela de contexto de 128K tokens. Está disponí...
4 min de leitura
Llama 4 Scout AI: Análise de Desempenho em Múltiplas Tarefas
Uma análise detalhada do desempenho do modelo Llama 4 Scout AI da Meta em cinco tarefas distintas, revelando impressionantes capacidades em geração de conteúdo,...
5 min de leitura
AI
Llama 4
+8