Posso eseguire Llama 4 Scout localmente?

No. Meta non ha rilasciato pubblicamente i pesi, quindi Scout è disponibile solo tramite API al momento.

Quanto costa Llama 4 Scout e quanto è lunga la sua finestra di contesto?

Costa $0,10 per milione di token in input e $0,30 per milione di token in output, con una finestra di contesto di 327.680 token.

In cosa Scout differisce dagli altri modelli Llama 4?

Scout è la versione più piccola ed economica della famiglia Llama 4 — 17 miliardi di parametri con 16 esperti — pensata per compiti multimodali sensibili ai costi piuttosto che per massima capacità.

Llama 4 Scout 17B 16E Instruct

4370°

#llm #meta-llama #visione #contesto lungo #budget #chat

Visione

Funziona su Graydient

Apri DeepInfra

Esegui questo modello

Offerte / Annunci

Easy Creator (Prism) Web

Illimitato · tariffa fissa

Ideale per principianti. Flussi di lavoro potenti, curva di apprendimento bassa.

PirateDiffusion Telegram

Illimitato · tariffa fissa

Crea video, immagini, personaggi chat personalizzati e altro.

Pro studio (SpyGlass) Web

Illimitato · tariffa fissa

Sfoglia modelli, rendi e affina da qualsiasi browser o telefono.

Discord bot (Vector)

Illimitato · tariffa fissa

Aggiungi Vector al tuo server o unisciti al Discord di Vector. Crea qualsiasi cosa!

Unified Editor Web

Illimitato · tariffa fissa

Editor per immagini e video: rendi, modifica, migliora e altro tutto in una pagina.

App locali Locale

Richiede configurazione

Installa programmi locali se il tuo computer ha l’hardware adatto.

ModelDuel Web

Paga per uso

Genera lo stesso prompt su fino a 50 modelli checkpoint/base contemporaneamente.

Noleggia una GPU nel cloud

Graydient Cloud GPU

Illimitato · tariffa fissa

Tariffa fissa, uso illimitato. Questo modello si installa con un clic.

RunPod Cloud GPU

Addebitato al minuto

Noleggia una GPU al minuto e configura il modello da solo.

Guide per questo modello

Pesi aperti vs open source vs solo API: cosa puoi davvero fare

Le 10 alternative a ChatGPT più economiche nel 2026: modelli locali gratuiti, piani gratuiti e tariffe fisse

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

meta-llama | contesto da 327.680 token | $0.10/M input, $0.30/M output. La collezione di modelli Llama 4 sono modelli AI nativamente multimodali che consentono esperienze testuali e multimodali. Questi modelli sfruttano un'architettura mixture-of-experts per offrire prestazioni leader nel settore nella comprensione di testo e immagini. Llama 4 Scout, un modello da 17 miliardi di parametri con 16 esperti

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Llama 4 Scout è il modello multimodale di Meta basato su un'architettura mixture-of-experts, con 17 miliardi di parametri attivi distribuiti su 16 esperti e una finestra di contesto di 327.680 token. Gestisce nativamente sia testo che immagini. Con un costo di $0,10 per milione di token in input, si colloca nella fascia economica delle API multimodali capaci, rendendolo una scelta ragionevole per sviluppatori che necessitano di visione e lavoro su contesti lunghi senza una bolletta di inferenza elevata.

Conosciuto per

Comprensione nativa delle immagini insieme al testo, senza bisogno di un adattatore visivo separato.
Finestra di contesto di 327.680 token — adatta a documenti lunghi e conversazioni estese.
Design mixture-of-experts che mantiene il numero di parametri attivi contenuto rispetto alla dimensione del contesto.
Prezzo di input molto basso a $0,10 per milione di token per un modello multimodale.

Attenzione a

I pesi non sono pubblicamente rilasciati; si è vincolati all'accesso API, nessuna distribuzione locale.
Meta non ha pubblicato numeri dettagliati di benchmark né una scheda modello per una verifica indipendente.

Ideale per

Prompt da provare

Analizza un documento denso

Ecco un contratto lungo. Identifica ogni clausola che impone un obbligo all'acquirente, riassumi ciascuna in una frase e segnala quelle che prevedono una penalità finanziaria. Sii specifico riguardo ai numeri delle sezioni.

Descrivi e critica un'immagine

Allego uno screenshot di un cruscotto dati. Elenca ogni metrica mostrata, nota quelle che sembrano anomale rispetto alle altre e suggerisci una domanda che un manager dovrebbe porre basandosi su ciò che vedi.

Estrai dati strutturati

Leggi l'immagine della fattura allegata e restituisci un oggetto JSON con questi campi: vendor_name, invoice_date, line_items (array di descrizione e importo), subtotal, tax, total. Se un campo manca nell'immagine, impostalo a null.

Confronta con

Llama 3.1 70B Instruct
Modello con pesi aperti
Contesto di 131,072 token · Input $0.40/M, output $0.40/M
Llama 4 Scout
Modello con pesi aperti
Contesto di 1,310,720 token · Input $0.18/M, output $0.59/M
Llama 3.1 8B Instruct
Modello con pesi aperti
Contesto di 131,072 token · Input $0.05/M, output $0.08/M
Llama 4 Maverick
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.19/M, output $0.65/M

Altri modelli di testo da meta-llama

Domande frequenti

Posso eseguire Llama 4 Scout localmente?: No. Meta non ha rilasciato pubblicamente i pesi, quindi Scout è disponibile solo tramite API al momento.
Quanto costa Llama 4 Scout e quanto è lunga la sua finestra di contesto?: Costa $0,10 per milione di token in input e $0,30 per milione di token in output, con una finestra di contesto di 327.680 token.
In cosa Scout differisce dagli altri modelli Llama 4?: Scout è la versione più piccola ed economica della famiglia Llama 4 — 17 miliardi di parametri con 16 esperti — pensata per compiti multimodali sensibili ai costi piuttosto che per massima capacità.

Verdetto del capitano
Un'API multimodale davvero economica con una finestra di contesto molto lunga; l'unico vero svantaggio sono i pesi chiusi.

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Come installare

Come Installare Ollama e Usare un'IA Locale (Windows, Mac, Linux)

Modelli simili

Modelli di IA per generare immagini, video e testo

Llama 4 Scout 17B 16E Instruct è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM, controlla il punteggio di calore per vedere la tendenza e aprilo su PirateDiffusion o BitVector per provarlo.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm meta-llama visione contesto lungo budget chat

Sfoglia per famiglia di modelli