Posso rodar o Llama 4 Scout localmente?

Não. A Meta não liberou os pesos publicamente, então o Scout está disponível apenas via API no momento.

Quanto custa o Llama 4 Scout e qual o tamanho do seu contexto?

Custa $0,10 por milhão de tokens de entrada e $0,30 por milhão de tokens de saída, com uma janela de contexto de 327.680 tokens.

Como o Scout difere dos outros modelos Llama 4?

O Scout é a opção menor e mais barata da família Llama 4 — 17 bilhões de parâmetros com 16 especialistas — posicionado para tarefas multimodais sensíveis a custo, em vez de máxima capacidade.

Llama 4 Scout 17B 16E Instruct

4370°

#llm #meta-llama #visão #contexto longo #orçamento #chat

Visão

Funciona no Graydient

Abrir DeepInfra

Executar modelo

Ofertas / Anúncios

Easy Creator (Prism) Web

Ilimitado · taxa fixa

Melhor para iniciantes. Fluxos de trabalho poderosos, curva de aprendizado baixa.

PirateDiffusion Telegram

Ilimitado · taxa fixa

Crie vídeos, imagens, personas de chat personalizadas e muito mais.

Pro studio (SpyGlass) Web

Ilimitado · taxa fixa

Navegue por modelos, renderize e refine de qualquer navegador ou celular.

Discord bot (Vector)

Ilimitado · taxa fixa

Adicione o Vector ao seu servidor ou entre no Discord do Vector. Crie qualquer coisa!

Unified Editor Web

Ilimitado · taxa fixa

Editor para imagens e vídeos: renderize, edite, aumente a resolução e mais em uma única página.

Apps locais Local

Requer configuração

Instale programas locais se seu computador tiver hardware compatível.

ModelDuel Web

Pague por uso

Gere o mesmo prompt em até 50 modelos checkpoint/base ao mesmo tempo.

Alugue uma GPU na nuvem

Graydient Cloud GPU

Ilimitado · taxa fixa

Taxa fixa, uso ilimitado. Este modelo instala com um clique.

RunPod Cloud GPU

Cobrado por minuto

Alugue uma GPU por minuto e configure o modelo você mesmo.

Guias para este modelo

Pesos abertos vs código aberto vs só API: o que você realmente pode fazer

As 10 alternativas mais baratas ao ChatGPT em 2026: modelos locais grátis, planos gratuitos e planos fixos

O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)

Todos os guias

meta-llama | contexto de 327.680 tokens | $0,10/M entrada, $0,30/M saída. A coleção de modelos Llama 4 são modelos de IA nativamente multimodais que permitem experiências textuais e multimodais. Esses modelos utilizam uma arquitetura mixture-of-experts para oferecer desempenho líder na indústria em compreensão de texto e imagem. Llama 4 Scout, um modelo de 17 bilhões de parâmetros com 16 especialistas

Notas do capitão

Escrito por Captain, o editor da casa

Notas de 2026-10-13

Llama 4 Scout é o modelo multimodal da Meta construído sobre uma arquitetura mixture-of-experts, com 17 bilhões de parâmetros ativos distribuídos em 16 especialistas e uma janela de contexto de 327.680 tokens. Ele lida nativamente com texto e imagens. Com custo de $0,10 por milhão de tokens de entrada, está na faixa mais barata das APIs multimodais capazes, tornando-se uma escolha razoável para desenvolvedores que precisam de visão e trabalho com contexto longo sem uma conta de inferência alta.

Conhecido por

Compreensão nativa de imagens junto com texto, sem necessidade de adaptador de visão separado.
Janela de contexto de 327.680 tokens — adequada para documentos longos e conversas estendidas.
Design mixture-of-experts mantém o número de parâmetros ativos enxuto em relação ao tamanho do contexto.
Preço de entrada muito baixo, $0,10 por milhão de tokens para um modelo multimodal.

Fique atento a

Pesos não são liberados publicamente; você está preso ao acesso via API, sem implantação local.
A Meta não publicou números detalhados de benchmark nem uma ficha técnica para verificação independente.

Melhor para

Sugestões para tentar

Analise um documento denso

Aqui está um contrato longo. Identifique cada cláusula que impõe uma obrigação ao comprador, resuma cada uma em uma frase e sinalize qualquer que imponha penalidade financeira. Seja específico sobre os números das seções.

Descreva e critique uma imagem

Estou anexando uma captura de tela de um painel de dados. Liste todas as métricas mostradas, observe qualquer uma que pareça anômala em comparação com as outras e sugira uma pergunta que um gerente deveria fazer com base no que você vê.

Extraia dados estruturados

Leia a imagem da fatura anexada e retorne um objeto JSON com estes campos: vendor_name, invoice_date, line_items (array de descrição e valor), subtotal, tax, total. Se algum campo estiver ausente na imagem, defina-o como null.

Comparar com

Llama 3.1 70B Instruct
Modelo com pesos abertos
Contexto de 131,072 tokens · entrada $0.40/M, saída $0.40/M
Llama 4 Scout
Modelo com pesos abertos
Contexto de 1,310,720 tokens · entrada $0.18/M, saída $0.59/M
Llama 3.1 8B Instruct
Modelo com pesos abertos
Contexto de 131,072 tokens · entrada $0.05/M, saída $0.08/M
Llama 4 Maverick
Modelo com pesos abertos
Contexto de 1,048,576 tokens · entrada $0.19/M, saída $0.65/M

Mais modelos de texto de meta-llama

Perguntas frequentes

Posso rodar o Llama 4 Scout localmente?: Não. A Meta não liberou os pesos publicamente, então o Scout está disponível apenas via API no momento.
Quanto custa o Llama 4 Scout e qual o tamanho do seu contexto?: Custa $0,10 por milhão de tokens de entrada e $0,30 por milhão de tokens de saída, com uma janela de contexto de 327.680 tokens.
Como o Scout difere dos outros modelos Llama 4?: O Scout é a opção menor e mais barata da família Llama 4 — 17 bilhões de parâmetros com 16 especialistas — posicionado para tarefas multimodais sensíveis a custo, em vez de máxima capacidade.

Veredito do capitão
Uma API multimodal genuinamente barata com janela de contexto longa; o único ponto negativo real são os pesos fechados.

O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.

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

Como essa pontuação é calculada

Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.

Glossário: os termos usados aqui

Pontuação heat: Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
Limite mínimo: Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
Equivalentes a downloads: Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
Escala logarítmica: Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
Likes: Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
Taxa de adoção: Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
Medido e estimado: Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
Seeder: Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
AI Horde: Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
Sites de geração: Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
Tokens OpenRouter: Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
LoRA e embedding: Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
Família e pesos: A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
Idade: Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
Impulso da família: Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
Pontuação provisória: Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
Novo! (período de carência): Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
Tendência: Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
Modelo típico: O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.

Como instalar

Como Instalar Ollama e Rodar uma IA Local (Windows, Mac, Linux)

Modelos semelhantes

Mistral Small 3.2 24B

TEXT / LLM

Modelos de IA para geração de imagem, vídeo e texto

Llama 4 Scout 17B 16E Instruct é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM, veja a pontuação de calor para acompanhar a tendência e abra-o no PirateDiffusion ou BitVector para experimentar.

Mais modelos Text / LLM Mais Texto / LLM Text / LLM llm meta-llama visão contexto longo orçamento chat

Navegar por família de modelos