Kan ik Llama 4 Scout lokaal draaien?

Nee. Meta heeft de gewichten niet openbaar vrijgegeven, dus Scout is momenteel alleen via API beschikbaar.

Wat kost Llama 4 Scout en hoe lang is de context?

Het kost $0,10 per miljoen inputtokens en $0,30 per miljoen outputtokens, met een contextvenster van 327.680 tokens.

Hoe verschilt Scout van andere Llama 4-modellen?

Scout is het kleinere, goedkopere instapmodel in de Llama 4-familie — 17 miljard parameters met 16 experts — gericht op kostengevoelige multimodale taken in plaats van maximale capaciteit.

Llama 4 Scout 17B 16E Instruct

4370°

#llm #meta-llama #visie #lange context #budget #chat

Vision

Draait op Graydient

DeepInfra openen

Voer dit model uit

Aanbiedingen / Advertenties

Easy Creator (Prism) Web

Onbeperkt · vast bedrag

Het beste voor beginners. Krachtige workflows, lage leercurve.

PirateDiffusion Telegram

Onbeperkt · vast bedrag

Maak video's, afbeeldingen, aangepaste chatpersonages en meer.

Pro studio (SpyGlass) Web

Onbeperkt · vast bedrag

Blader door modellen, render en verfijn vanaf elke browser of telefoon.

Discord bot (Vector)

Onbeperkt · vast bedrag

Voeg Vector toe aan je server of sluit je aan bij de Vector Discord. Maak alles wat je wilt!

Unified Editor Web

Onbeperkt · vast bedrag

Editor voor afbeeldingen en video: render, bewerk, schaal op en meer op één pagina.

Lokale apps Lokaal

Installatie vereist

Installeer lokale programma's als je computer krachtig genoeg is.

ModelDuel Web

Betaal per gebruik

Genereer dezelfde prompt op maximaal 50 checkpoint-/basismodellen tegelijk.

Huur een GPU in de cloud

Graydient Cloud GPU

Onbeperkt · vast bedrag

Vast bedrag, onbeperkt gebruik. Dit model installeer je met één klik.

RunPod Cloud GPU

Per minuut afgerekend

Huur een GPU per minuut en stel het model zelf in.

Gidsen voor dit model

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

De 10 goedkoopste ChatGPT-alternatieven in 2026: gratis lokale modellen, gratis tiers en vaste prijsplannen

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

meta-llama | 327,680 token context | $0.10/M input, $0.30/M output. De Llama 4 collectie modellen zijn native multimodale AI-modellen die tekst- en multimodale ervaringen mogelijk maken. Deze modellen maken gebruik van een mixture-of-experts architectuur om toonaangevende prestaties te bieden in tekst- en beeldbegrip. Llama 4 Scout, een model met 17 miljard parameters en 16 experts

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Llama 4 Scout is Meta's multimodale model gebouwd op een mixture-of-experts architectuur, met 17 miljard actieve parameters verdeeld over 16 experts en een contextvenster van 327.680 tokens. Het verwerkt zowel tekst als afbeeldingen native. Met een prijs van $0,10 per miljoen inputtokens zit het aan de goedkope kant van capabele multimodale API's, wat het een redelijke keuze maakt voor ontwikkelaars die visie en lange context nodig hebben zonder een hoge inference-kosten.

Bekend om

Native beeldbegrip naast tekst, geen aparte vision adapter nodig.
327.680-token contextvenster — geschikt voor lange documenten en uitgebreide gesprekken.
Mixture-of-experts ontwerp houdt het aantal actieve parameters laag ten opzichte van de contextgrootte.
Zeer lage inputprijs van $0,10 per miljoen tokens voor een multimodaal model.

Let op

Gewichten zijn niet openbaar vrijgegeven; je bent gebonden aan API-toegang, geen lokale implementatie mogelijk.
Meta heeft geen gedetailleerde benchmarkcijfers of een modelkaart gepubliceerd voor onafhankelijke verificatie.

Het beste voor

Prompts om te proberen

Analyseer een dicht document

Hier is een lang contract. Identificeer elke clausule die een verplichting oplegt aan de koper, vat elke clausule samen in één zin en markeer alle clausules die een financiële boete opleggen. Wees specifiek over sectienummers.

Beschrijf en beoordeel een afbeelding

Ik voeg een screenshot van een data-dashboard toe. Noem elke getoonde metriek, noteer welke afwijkend lijken ten opzichte van de anderen, en stel één vraag voor die een manager zou moeten stellen op basis van wat je ziet.

Extraheer gestructureerde data

Lees de bijgevoegde factuurafbeelding en geef een JSON-object terug met deze velden: vendor_name, invoice_date, line_items (array van beschrijving en bedrag), subtotal, tax, total. Als een veld ontbreekt in de afbeelding, zet het dan op null.

Vergelijk met

Llama 3.1 70B Instruct
Model met open gewichten
131,072 token context · $0.40/M invoer, $0.40/M uitvoer
Llama 4 Scout
Model met open gewichten
1,310,720 token context · $0.18/M invoer, $0.59/M uitvoer
Llama 3.1 8B Instruct
Model met open gewichten
131,072 token context · $0.05/M invoer, $0.08/M uitvoer
Llama 4 Maverick
Model met open gewichten
1,048,576 token context · $0.19/M invoer, $0.65/M uitvoer

Meer tekstmodellen van meta-llama

Veelgestelde vragen

Kan ik Llama 4 Scout lokaal draaien?: Nee. Meta heeft de gewichten niet openbaar vrijgegeven, dus Scout is momenteel alleen via API beschikbaar.
Wat kost Llama 4 Scout en hoe lang is de context?: Het kost $0,10 per miljoen inputtokens en $0,30 per miljoen outputtokens, met een contextvenster van 327.680 tokens.
Hoe verschilt Scout van andere Llama 4-modellen?: Scout is het kleinere, goedkopere instapmodel in de Llama 4-familie — 17 miljard parameters met 16 experts — gericht op kostengevoelige multimodale taken in plaats van maximale capaciteit.

Oordeel van de kapitein
Een echt goedkope multimodale API met een lang contextvenster; de gesloten gewichten zijn het enige echte nadeel.

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Hoe te installeren

Hoe Ollama te installeren en een lokale AI te draaien (Windows, Mac, Linux)

11 okt 2026

DeepInfra openen

Vergelijkbare modellen

AI-modellen voor het genereren van afbeeldingen, video en tekst

Llama 4 Scout 17B 16E Instruct is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen, bekijk de populariteitsscore om de trend te zien en open het op PirateDiffusion of BitVector om het te proberen.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm meta-llama visie lange context budget chat

Bladeren op modelfamilie