Posso eseguire Llama 4 Scout localmente?

Sì, i pesi sono aperti e disponibili su Hugging Face sotto la Llama 4 Community License. Tieni presente che il modello completo ha 109 miliardi di parametri, quindi serve hardware potente; versioni quantizzate riducono questo requisito.

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

Il prezzo è $0,18 per milione di token in input e $0,59 per milione in output. La finestra di contesto supportata via API è di 1.310.720 token, mentre il modello è stato addestrato per gestire fino a 10 milioni di token.

In cosa differisce Scout da Llama 4 Maverick?

Entrambi sono modelli Llama 4 MoE, ma Scout attiva 17B parametri con 16 esperti ed è posizionato come opzione più snella e adatta al deployment; Maverick è il fratello maggiore mirato a compiti di capacità superiore.

Llama 4 Scout

5292°

#llm #meta-llama #visione #multilingue #contesto lungo #locale

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Meta | contesto di 1.310.720 token | $0.18/M input, $0.59/M output. Llama 4 Scout 17B Instruct (16E) è un modello linguistico mixture-of-experts (MoE) sviluppato da Meta, che attiva 17 miliardi di parametri su un totale di 109B. Supporta input multimodale nativo (testo e immagine) e output multilingue (testo e codice) in 12 lingue supportate. Progettato per interazioni in stile assistente e ragionamento visivo, Scout utilizza 16 esperti per passaggio in avanti e presenta una lunghezza di contesto di 10 milioni di token, con un corpus di addestramento di ~40 trilioni di token. Costruito per…Meta | contesto di 1.310.720 token | $0.18/M input, $0.59/M output. Llama 4 Scout 17B Instruct (16E) è un modello linguistico mixture-of-experts (MoE) sviluppato da Meta, che attiva 17 miliardi di parametri su un totale di 109B. Supporta input multimodale nativo (testo e immagine) e output multilingue (testo e codice) in 12 lingue supportate. Progettato per interazioni in stile assistente e ragionamento visivo, Scout utilizza 16 esperti per passaggio in avanti e presenta una lunghezza di contesto di 10 milioni di token, con un corpus di addestramento di ~40 trilioni di token. Costruito per alta efficienza e distribuzione locale o commerciale, Llama 4 Scout incorpora early fusion per un'integrazione fluida delle modalità. È istruito per l'uso in chat multilingue, didascalie e comprensione delle immagini. Rilasciato sotto la Llama 4 Community License, è stato addestrato fino ad agosto 2024 e lanciato pubblicamente il 5 aprile 2025.

Guide per questo modello

Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Quanta VRAM serve davvero per l'AI locale?

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

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Llama 4 Scout è il modello mixture-of-experts efficiente di Meta, che attiva 17 miliardi dei suoi 109 miliardi di parametri per ogni passaggio. La sua caratteristica principale è una finestra di contesto da 10 milioni di token, la più lunga di qualsiasi modello a pesi aperti al lancio, abbinata a comprensione nativa di immagini in 12 lingue. È adatto a sviluppatori e ricercatori che vogliono capacità multimodale a un prezzo molto inferiore ai modelli frontier chiusi, o che vogliono eseguire localmente un modello vision-language capace.

Conosciuto per

Finestra di contesto da 10 milioni di token, la più lunga disponibile a pesi aperti
Input nativo di immagini e testo tramite fusione precoce, senza adattatori visivi aggiuntivi
Architettura MoE mantiene attivi 17B parametri, riducendo il costo di inferenza
Multilingue in 12 lingue, coprendo chat, didascalie e codice
Pesi aperti sotto Llama 4 Community License, permesso il deployment locale

Attenzione a

La Llama 4 Community License non è completamente permissiva; verifica i limiti d'uso prima di usi commerciali.
109 miliardi di parametri totali significa che l'inferenza locale richiede hardware serio nonostante i 17B attivi.
I dati di addestramento si fermano ad agosto 2024; tutto ciò che è successivo non è noto.

Ideale per

Prompt da provare

Analizza un documento denso

Incollo un lungo contratto qui sotto. Leggilo tutto, poi elenca ogni clausola che crea un obbligo finanziario per la mia azienda, l'importo o formula coinvolta e il numero della sezione. Segnala ogni clausola con obbligo aperto o senza tetto.

Descrivi e ragiona su un'immagine

Guarda l'immagine che ho allegato. Descrivi con precisione cosa sta succedendo, poi dimmi cosa c'è di insolito o incoerente rispetto a ciò che normalmente ti aspetteresti in questa scena. Spiega il ragionamento passo passo.

Risposta clienti multilingue

Un cliente ci ha scritto in francese lamentando che l'ordine è arrivato danneggiato e vuole un rimborso. Redigi una risposta professionale in francese che si scusi, confermi che processeremo un rimborso completo entro 5 giorni lavorativi e chieda di conservare l'articolo danneggiato per i nostri archivi. Mantieni un tono caldo ma non eccessivo.

Confronta con

Llama 3.2 3B Instruct
Modello con pesi aperti
Contesto di 131,072 token · Input $0.05/M, output $0.33/M
Llama 3.1 70B Instruct
Modello con pesi aperti
Contesto di 131,072 token · Input $0.40/M, output $0.40/M
Llama Guard 4 12B
Modello con pesi aperti
Contesto di 163,840 token · Input $0.18/M, output $0.18/M
Llama 4 Scout 17B 16E Instruct
Modello con pesi aperti
Contesto di 327,680 token · Input $0.10/M, output $0.30/M

Altri modelli di testo da meta-llama

Domande frequenti

Posso eseguire Llama 4 Scout localmente?: Sì, i pesi sono aperti e disponibili su Hugging Face sotto la Llama 4 Community License. Tieni presente che il modello completo ha 109 miliardi di parametri, quindi serve hardware potente; versioni quantizzate riducono questo requisito.
Quanto costa Llama 4 Scout via API e quanto è lunga la finestra di contesto?: Il prezzo è $0,18 per milione di token in input e $0,59 per milione in output. La finestra di contesto supportata via API è di 1.310.720 token, mentre il modello è stato addestrato per gestire fino a 10 milioni di token.
In cosa differisce Scout da Llama 4 Maverick?: Entrambi sono modelli Llama 4 MoE, ma Scout attiva 17B parametri con 16 esperti ed è posizionato come opzione più snella e adatta al deployment; Maverick è il fratello maggiore mirato a compiti di capacità superiore.

Verdetto del capitano
Una rara combinazione di pesi aperti, capacità visiva reale e una finestra di contesto assurda a un prezzo che fa sembrare troppo costosi i modelli frontier chiusi.

Scheda modello su Hugging Face

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.

Modelli simili

Gemini 2.5 Flash Lite

TEXT / LLM

Modelli di IA per generare immagini, video e testo

Llama 4 Scout 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 e controlla il punteggio di calore per vedere la tendenza.

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

Sfoglia per famiglia di modelli