Meta 标志

Meta

Llama 4 Scout

EstablishedOpen-weightAvailable in FlowHunt

Llama 4 Scout 是一款久经考验的 AI 模型,至今仍广泛部署于生产系统中,由 Meta 开发并于 2025 年 4 月发布。作为开放权重模型,其训练权重可公开获取——您可以自行托管、使用专有数据进行微调,或在本地运行而无需依赖 API。其 1000 万 token 的上下文窗口是业内最大的之一——能够在单次提示中处理书本文档、整个代码仓库或超长对话历史。

在 FlowHunt AI 排行榜上,它是 24 个追踪模型之一,已在 4 项基准测试上经过评估。突出成绩:MATH-500 得分 50.3%(共 4 个模型中排名第 4);LiveCodeBench 得分 32.8%(共 5 个模型中排名第 5);MMLU-Pro 得分 52.2%(共 8 个模型中排名第 8)。

Llama 4 Scout 与 Maverick 一同于 2025 年 4 月 5 日发布,是 Llama 4 系列中更小巧、更易获取的变体——并因其上下文窗口立即引起关注:1000 万 token,是本排行榜上所有模型中最大的。1000 万 token 窗口是通过对注意力机制和位置编码的改进实现的,使模型能够在比以往任何开放权重模型所能处理的更长文档中保持连贯性。Scout(170 亿活跃参数 / 1090 亿总参数,16 个专家)成为需要处理超大型文档集合而无需分块的检索增强生成流水线的默认模型——在单次提示中处理整个法律案件历史、代码库或科学文献语料库。

注:1000 万 token 架构级上下文。单块 H100(Int4)。DocVQA 94.4%。

发布日期
2025年4月
参数规模
17B/109B MoE(16个专家)
上下文窗口
1000万 tokens
权重类型
开放
层级
成熟
提供商
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(前身为Facebook)是全球最大的科技公司之一,总部位于加利福尼亚州门洛帕克,以Facebook、Instagram、WhatsApp和Threads最为著名。通过Meta AI(前身为FAIR),该公司凭借Llama系列成为开放权重大语言模型最多产的发布者。Llama 4系列——Maverick、Scout和Behemoth——在宽松的社区许可下发布,至今仍是Hugging Face等平台上下载量最多的开放权重模型。Meta的AI战略在各大实验室中独树一帜:它不运营商业API,而是开放发布模型供研究和商业使用,将生成式AI功能整合到自身应用中,并公开倡导开放权重发布是AI发展最民主的方式。

使用场景

Llama 4 Scout 适合做什么

自行托管与私有部署
长文档与代码库分析

Strengths & Limitations

Strengths

  • 自行托管与数据私有化部署(开放权重)
  • 超长文档与大型代码库处理(1000万上下文)

Limitations

  • 在智能编码和复杂推理方面明显落后于2026年前沿模型

浏览完整 AI 模型排行榜

常见问题

了解更多

Llama 4 Maverick — 基准测试、能力与使用场景
Llama 4 Maverick — 基准测试、能力与使用场景

Llama 4 Maverick — 基准测试、能力与使用场景

Llama 4 Maverick 是 Meta 推出的开源权重 AI 模型(17B/400B MoE(128专家)),属于成熟层级,支持100万Token上下文窗口。了解其基准测试得分、优势与推荐使用场景。...

2 分钟阅读
Llama 3.3 70B — 基准测试、能力与使用场景
Llama 3.3 70B — 基准测试、能力与使用场景

Llama 3.3 70B — 基准测试、能力与使用场景

Llama 3.3 70B 是 Meta 推出的开放权重 AI 模型(70B 密集型),被归类为成熟层级,拥有 128K token 上下文窗口。可直接在 FlowHunt 中使用。了解基准测试分数、优势及推荐使用场景。...

2 分钟阅读
Llama 4 Scout AI:多任务性能分析
Llama 4 Scout AI:多任务性能分析

Llama 4 Scout AI:多任务性能分析

对Meta的Llama 4 Scout AI模型在五项不同任务中的表现进行了深入分析,揭示了其在内容生成、计算、总结、对比和创意写作方面的卓越能力,并附有速度、准确性和输出质量等指标。...

1 分钟阅读
AI Llama 4 +8