Kann ich Llama 4 Scout lokal ausführen?

Nein. Meta hat die Gewichte nicht öffentlich freigegeben, Scout ist derzeit nur per API zugänglich.

Was kostet Llama 4 Scout und wie groß ist der Kontext?

Es kostet $0,10 pro Million Eingabetoken und $0,30 pro Million Ausgabetoken, mit einem Kontextfenster von 327.680 Token.

Worin unterscheidet sich Scout von anderen Llama 4-Modellen?

Scout ist das kleinere, günstigere Modell der Llama 4-Familie — 17 Milliarden Parameter mit 16 Experten — und ist für kostenbewusste multimodale Aufgaben konzipiert, nicht für maximale Leistungsfähigkeit.

Llama 4 Scout 17B 16E Instruct

4370°

#llm #meta-llama #vision #langer kontext #budget #chat

Vision

Läuft auf Graydient

DeepInfra öffnen

Modell ausführen

Angebote / Werbung

Easy Creator (Prism) Web

Unbegrenzt · Pauschalpreis

Am besten für Anfänger. Leistungsstarke Workflows, geringe Lernkurve.

PirateDiffusion Telegram

Unbegrenzt · Pauschalpreis

Erstelle Videos, Bilder, individuelle Chat-Personas und mehr.

Pro studio (SpyGlass) Web

Unbegrenzt · Pauschalpreis

Durchsuche Modelle, rendere und verfeinere von jedem Browser oder Handy aus.

Discord bot (Vector)

Unbegrenzt · Pauschalpreis

Füge Vector zu deinem Server hinzu oder tritt dem Vector Discord bei. Erschaffe alles!

Unified Editor Web

Unbegrenzt · Pauschalpreis

Editor für Bilder und Videos: rendern, bearbeiten, hochskalieren und mehr auf einer Seite.

Lokale Apps

Einrichtung erforderlich

Richte lokale Programme ein, wenn dein Computer leistungsstark genug ist.

ModelDuel Web

Bezahlen pro Nutzung

Erzeuge denselben Prompt gleichzeitig auf bis zu 50 Checkpoint-/Basismodellen.

GPU in der Cloud mieten

Graydient Cloud GPU

Unbegrenzt · Pauschalpreis

Pauschalpreis, unbegrenzte Nutzung. Dieses Modell mit einem Klick installieren.

RunPod Cloud GPU

Abrechnung pro Minute

GPU pro Minute mieten und Modell selbst einrichten.

Anleitungen zu diesem Modell

Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst

Die 10 günstigsten ChatGPT-Alternativen 2026: kostenlose lokale Modelle, Gratis-Stufen und Flatrate-Tarife

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

meta-llama | 327.680 Token Kontext | $0,10/M Eingabe, $0,30/M Ausgabe. Die Llama 4 Modellreihe sind nativ multimodale KI-Modelle, die Text- und multimodale Erlebnisse ermöglichen. Diese Modelle nutzen eine Mixture-of-Experts-Architektur, um branchenführende Leistung im Text- und Bildverständnis zu bieten. Llama 4 Scout, ein Modell mit 17 Milliarden Parametern und 16 Experten

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Llama 4 Scout ist Metas multimodales Modell, das auf einer Mixture-of-Experts-Architektur basiert, mit 17 Milliarden aktiven Parametern verteilt auf 16 Experten und einem Kontextfenster von 327.680 Token. Es verarbeitet sowohl Text als auch Bilder nativ. Mit $0,10 pro Million Eingabetoken gehört es zu den günstigeren multimodalen APIs und ist eine vernünftige Wahl für Entwickler, die Vision und langen Kontext benötigen, ohne hohe Inferenzkosten.

Bekannt für

Native Bildverarbeitung neben Text, kein separater Vision-Adapter nötig.
327.680 Token Kontextfenster — geeignet für lange Dokumente und ausgedehnte Gespräche.
Mixture-of-Experts-Design hält die aktiven Parameter im Verhältnis zur Kontextgröße schlank.
Sehr niedriger Eingabepreis von $0,10 pro Million Token für ein multimodales Modell.

Achte auf

Gewichte sind nicht öffentlich verfügbar; nur API-Zugang, keine lokale Bereitstellung.
Meta hat keine detaillierten Benchmark-Zahlen oder ein Modellblatt zur unabhängigen Überprüfung veröffentlicht.

Am besten für

Prompts zum Ausprobieren

Analyse eines dichten Dokuments

Hier ist ein langer Vertrag. Identifiziere jede Klausel, die eine Verpflichtung für den Käufer darstellt, fasse jede in einem Satz zusammen und markiere alle, die eine finanzielle Strafe auferlegen. Sei spezifisch bei Abschnittsnummern.

Bild beschreiben und bewerten

Ich füge einen Screenshot eines Daten-Dashboards bei. Liste jede angezeigte Metrik auf, notiere Auffälligkeiten im Vergleich zu den anderen und schlage eine Frage vor, die ein Manager basierend auf deinen Beobachtungen stellen sollte.

Strukturierte Daten extrahieren

Lies das angehängte Rechnungsbild und gib ein JSON-Objekt mit diesen Feldern zurück: vendor_name, invoice_date, line_items (Array aus Beschreibung und Betrag), subtotal, tax, total. Wenn ein Feld im Bild fehlt, setze es auf null.

Vergleichen mit

Llama 3.1 70B Instruct
Modell mit offenen Gewichten
131,072 Token Kontext · $0.40/M Eingabe, $0.40/M Ausgabe
Llama 4 Scout
Modell mit offenen Gewichten
1,310,720 Token Kontext · $0.18/M Eingabe, $0.59/M Ausgabe
Llama 3.1 8B Instruct
Modell mit offenen Gewichten
131,072 Token Kontext · $0.05/M Eingabe, $0.08/M Ausgabe
Llama 4 Maverick
Modell mit offenen Gewichten
1,048,576 Token Kontext · $0.19/M Eingabe, $0.65/M Ausgabe

Mehr Textmodelle von meta-llama

Häufig gestellte Fragen

Kann ich Llama 4 Scout lokal ausführen?: Nein. Meta hat die Gewichte nicht öffentlich freigegeben, Scout ist derzeit nur per API zugänglich.
Was kostet Llama 4 Scout und wie groß ist der Kontext?: Es kostet $0,10 pro Million Eingabetoken und $0,30 pro Million Ausgabetoken, mit einem Kontextfenster von 327.680 Token.
Worin unterscheidet sich Scout von anderen Llama 4-Modellen?: Scout ist das kleinere, günstigere Modell der Llama 4-Familie — 17 Milliarden Parameter mit 16 Experten — und ist für kostenbewusste multimodale Aufgaben konzipiert, nicht für maximale Leistungsfähigkeit.

Captain's Urteil
Eine wirklich günstige multimodale API mit langem Kontextfenster; die geschlossenen Gewichte sind der einzige wirkliche Nachteil.

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

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

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Wie man installiert

Wie man Ollama installiert und eine lokale KI betreibt (Windows, Mac, Linux)

11. Okt 2026

DeepInfra öffnen

Ähnliche Modelle

Gemini 3.1 Pro Preview

TEXT / LLM

L3.1 70B Euryale v2.2

KI-Modelle für Bild-, Video- und Texterzeugung

Llama 4 Scout 17B 16E Instruct ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen, prüfe den Hitzewert, um den Trend zu sehen, und öffne es auf PirateDiffusion oder BitVector, um es auszuprobieren.

Weitere Text / LLM-Modelle llm meta-llama vision langer kontext budget chat

Nach Modellfamilie stöbern