Puis-je exécuter Llama 4 Scout localement ?

Non. Meta n'a pas publié les poids, Scout est uniquement accessible via API pour le moment.

Quel est le coût de Llama 4 Scout et quelle est la taille de son contexte ?

Il coûte 0,10 $ par million de tokens d'entrée et 0,30 $ par million de tokens de sortie, avec une fenêtre de contexte de 327 680 tokens.

En quoi Scout diffère-t-il des autres modèles Llama 4 ?

Scout est l'entrée plus petite et moins chère de la famille Llama 4 — 17 milliards de paramètres avec 16 experts — positionné pour des tâches multimodales sensibles au coût plutôt que pour la capacité maximale.

Llama 4 Scout 17B 16E Instruct

4370°

#llm #meta-llama #vision #contexte long #budget #chat

Vision

Fonctionne sur Graydient

Ouvrir DeepInfra

Lancer ce modèle

Offres / Pub

Easy Creator (Prism) Web

Illimité · forfait fixe

Idéal pour les débutants. Flux de travail puissants, courbe d'apprentissage faible.

PirateDiffusion Telegram

Illimité · forfait fixe

Créez des vidéos, images, personnages de chat personnalisés, et plus encore.

Pro studio (SpyGlass) Web

Illimité · forfait fixe

Parcourez les modèles, générez et affinez depuis n'importe quel navigateur ou téléphone.

Discord bot (Vector)

Illimité · forfait fixe

Ajoutez Vector à votre serveur ou rejoignez le Discord de Vector. Créez tout ce que vous voulez !

Unified Editor Web

Illimité · forfait fixe

Éditeur pour images et vidéos : générez, modifiez, améliorez et plus encore sur une seule page.

Applications locales

Nécessite une configuration

Installe des programmes locaux si ton ordinateur est assez puissant.

ModelDuel Web

Paiement à l'usage

Génère la même invite sur jusqu'à 50 modèles checkpoint/base en même temps.

Louer un GPU dans le cloud

Graydient Cloud GPU

Illimité · forfait fixe

Forfait fixe, usage illimité. Ce modèle s’installe en un clic.

RunPod Cloud GPU

Facturé à la minute

Louez un GPU à la minute et installez le modèle vous-même.

Guides pour ce modèle

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

meta-llama | contexte de 327 680 tokens | 0,10 $/M entrée, 0,30 $/M sortie. La collection Llama 4 est composée de modèles d'IA multimodaux natifs qui permettent des expériences textuelles et multimodales. Ces modèles exploitent une architecture mixture-of-experts pour offrir des performances de pointe dans la compréhension du texte et des images. Llama 4 Scout, un modèle de 17 milliards de paramètres avec 16 experts

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Llama 4 Scout est le modèle multimodal de Meta construit sur une architecture mixture-of-experts, avec 17 milliards de paramètres actifs répartis sur 16 experts et une fenêtre de contexte de 327 680 tokens. Il gère nativement à la fois le texte et les images. À 0,10 $ par million de tokens d'entrée, il se situe dans la gamme des API multimodales abordables, ce qui en fait un choix raisonnable pour les développeurs ayant besoin de vision et de traitement de longs contextes sans une facture d'inférence élevée.

Connu pour

Compréhension native des images en parallèle du texte, sans besoin d'adaptateur vision séparé.
Fenêtre de contexte de 327 680 tokens — adaptée aux documents longs et aux conversations étendues.
Conception mixture-of-experts qui maintient un nombre de paramètres actifs réduit par rapport à la taille du contexte.
Prix d'entrée très bas à 0,10 $ par million de tokens pour un modèle multimodal.

Attention à

Les poids ne sont pas publiquement disponibles ; vous êtes lié à l'accès API, pas de déploiement local.
Meta n'a pas publié de chiffres de benchmark détaillés ni de fiche modèle pour une vérification indépendante.

Idéal pour

Prompts à essayer

Analyse d'un document dense

Voici un long contrat. Identifiez chaque clause qui impose une obligation à l'acheteur, résumez chacune en une phrase, et signalez celles qui entraînent une pénalité financière. Soyez précis sur les numéros de section.

Décrire et critiquer une image

Je joins une capture d'écran d'un tableau de bord de données. Listez chaque métrique affichée, notez celles qui semblent anormales par rapport aux autres, et suggérez une question qu'un manager devrait poser en fonction de ce que vous voyez.

Extraction de données structurées

Lisez l'image de la facture jointe et retournez un objet JSON avec ces champs : vendor_name, invoice_date, line_items (tableau de description et montant), subtotal, tax, total. Si un champ manque sur l'image, mettez-le à null.

Comparer avec

Llama 3.1 70B Instruct
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.40/M, sortie $0.40/M
Llama 4 Scout
Modèle à poids ouverts
Contexte de 1,310,720 tokens · entrée $0.18/M, sortie $0.59/M
Llama 3.1 8B Instruct
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.05/M, sortie $0.08/M
Llama 4 Maverick
Modèle à poids ouverts
Contexte de 1,048,576 tokens · entrée $0.19/M, sortie $0.65/M

Plus de modèles de texte de meta-llama

Questions fréquentes

Puis-je exécuter Llama 4 Scout localement ?: Non. Meta n'a pas publié les poids, Scout est uniquement accessible via API pour le moment.
Quel est le coût de Llama 4 Scout et quelle est la taille de son contexte ?: Il coûte 0,10 $ par million de tokens d'entrée et 0,30 $ par million de tokens de sortie, avec une fenêtre de contexte de 327 680 tokens.
En quoi Scout diffère-t-il des autres modèles Llama 4 ?: Scout est l'entrée plus petite et moins chère de la famille Llama 4 — 17 milliards de paramètres avec 16 experts — positionné pour des tâches multimodales sensibles au coût plutôt que pour la capacité maximale.

Verdict du capitaine
Une API multimodale vraiment abordable avec une longue fenêtre de contexte ; le principal inconvénient est que les poids sont fermés.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

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

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Comment installer

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

Llama 4 Scout 17B 16E Instruct est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM, consultez son score de chaleur pour suivre sa tendance et ouvrez-le sur PirateDiffusion ou BitVector pour l'essayer.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm meta-llama vision contexte long budget chat

Parcourir par famille de modèles