¿Puedo ejecutar Llama 4 Scout localmente?

Sí, los pesos son abiertos y están disponibles en Hugging Face bajo la Licencia Comunitaria Llama 4. Ten en cuenta que el modelo completo tiene 109 mil millones de parámetros, por lo que necesitarás hardware considerable; las versiones cuantizadas reducen mucho ese requisito.

¿Cuánto cuesta Llama 4 Scout vía API y cuál es su contexto?

El precio es $0.18 por millón de tokens de entrada y $0.59 por millón de tokens de salida. La ventana de contexto soportada vía API es de 1,310,720 tokens, mientras que el modelo subyacente fue entrenado para manejar hasta 10 millones de tokens.

¿En qué se diferencia Scout de Llama 4 Maverick?

Ambos son modelos MoE de Llama 4, pero Scout activa 17 mil millones de parámetros con 16 expertos y está posicionado como la opción más ligera y amigable para despliegue; Maverick es el hermano mayor orientado a tareas de mayor capacidad.

Llama 4 Scout

5292°

#llm #meta-llama #visión #multilingüe #contexto largo #local

Ejecutar este modelo

Ofertas / Anuncios

OpenRouter Terminal / API

Pago por token

Chatea con este modelo en el navegador o llámalo desde tu código con una clave API.

Meta | contexto de 1,310,720 tokens | $0.18/M entrada, $0.59/M salida. Llama 4 Scout 17B Instruct (16E) es un modelo mezcla de expertos (MoE) desarrollado por Meta, activando 17 mil millones de parámetros de un total de 109B. Soporta entrada multimodal nativa (texto e imagen) y salida multilingüe (texto y código) en 12 idiomas soportados. Diseñado para interacción estilo asistente y razonamiento visual, Scout usa 16 expertos por pasada y cuenta con una longitud de contexto de 10 millones de tokens, con un corpus de entrenamiento de ~40 billones de tokens. Construido para alta eficiencia y…Meta | contexto de 1,310,720 tokens | $0.18/M entrada, $0.59/M salida. Llama 4 Scout 17B Instruct (16E) es un modelo mezcla de expertos (MoE) desarrollado por Meta, activando 17 mil millones de parámetros de un total de 109B. Soporta entrada multimodal nativa (texto e imagen) y salida multilingüe (texto y código) en 12 idiomas soportados. Diseñado para interacción estilo asistente y razonamiento visual, Scout usa 16 expertos por pasada y cuenta con una longitud de contexto de 10 millones de tokens, con un corpus de entrenamiento de ~40 billones de tokens. Construido para alta eficiencia y despliegue local o comercial, Llama 4 Scout incorpora fusión temprana para integración fluida de modalidades. Está afinado para instrucciones en chat multilingüe, subtitulado y comprensión de imágenes. Lanzado bajo la Licencia Comunitaria Llama 4, fue entrenado por última vez con datos hasta agosto de 2024 y lanzado públicamente el 5 de abril de 2025.

Guías para este modelo

Ollama vs LM Studio (2026): qué app local de IA usar y qué modelos principales corre cada una

Mejor LLM local según el uso (octubre 2026): el modelo abierto adecuado para cada tarea

¿Cuánta VRAM necesito realmente para IA local?

¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)

Todas las guías

Notas del capitán

Escrito por Captain, el editor de la casa

Notas del 2026-10-13

Llama 4 Scout es el modelo eficiente de mezcla de expertos de Meta, que activa 17 mil millones de sus 109 mil millones de parámetros por pasada hacia adelante. Su característica principal es una ventana de contexto de 10 millones de tokens, la más larga de cualquier modelo de pesos abiertos al momento de su lanzamiento, combinada con comprensión nativa de imágenes en 12 idiomas. Es ideal para desarrolladores e investigadores que necesitan capacidad multimodal a un precio muy inferior al de modelos cerrados de frontera, o que desean ejecutar un modelo de visión y lenguaje capaz localmente.

Conocido por

Ventana de contexto de 10 millones de tokens, la más larga disponible en pesos abiertos
Entrada nativa de imagen y texto mediante fusión temprana, sin adaptador de visión añadido
Arquitectura MoE mantiene activos 17 mil millones de parámetros, reduciendo el costo de inferencia
Multilingüe en 12 idiomas, cubriendo chat, subtitulado y código
Pesos abiertos bajo la Licencia Comunitaria Llama 4, permitiendo despliegue local

Cuidado con

La Licencia Comunitaria Llama 4 no es completamente permisiva; revise los límites de uso antes del despliegue comercial.
Los 109 mil millones de parámetros totales implican que la inferencia local requiere hardware serio a pesar de los 17 mil millones activos.
Los datos de entrenamiento terminan en agosto de 2024; cualquier cosa posterior está fuera de su conocimiento.

Mejor para

Prompts para probar

Analizar un documento denso

Voy a pegar un contrato largo a continuación. Léelo completo, luego enumera cada cláusula que crea una obligación financiera para mi empresa, la cantidad en dólares o fórmula involucrada, y el número de sección donde aparece. Señala cualquier cláusula donde la obligación sea abierta o sin límite.

Describir y razonar sobre una imagen

Mira la imagen que adjunté. Describe con detalle preciso lo que está sucediendo, luego dime qué es inusual o inconsistente en comparación con lo que normalmente esperarías ver en este tipo de escena. Explica tu razonamiento paso a paso.

Respuesta multilingüe para cliente

Un cliente nos ha escrito en francés quejándose de que su pedido llegó dañado y quiere un reembolso. Redacta una respuesta profesional en francés que pida disculpas, confirme que procesaremos un reembolso completo en 5 días hábiles y solicite que conserve el artículo dañado para nuestros registros. Mantén un tono cálido pero no efusivo.

Comparar con

Llama 3.2 3B Instruct
Modelo con pesos abiertos
Contexto de 131,072 tokens · $0.05/M entrada, $0.33/M salida
Llama 3.1 70B Instruct
Modelo con pesos abiertos
Contexto de 131,072 tokens · $0.40/M entrada, $0.40/M salida
Llama Guard 4 12B
Modelo con pesos abiertos
Contexto de 163,840 tokens · $0.18/M entrada, $0.18/M salida
Llama 4 Scout 17B 16E Instruct
Modelo con pesos abiertos
Contexto de 327,680 tokens · $0.10/M entrada, $0.30/M salida

Más modelos de texto de meta-llama

Preguntas frecuentes

¿Puedo ejecutar Llama 4 Scout localmente?: Sí, los pesos son abiertos y están disponibles en Hugging Face bajo la Licencia Comunitaria Llama 4. Ten en cuenta que el modelo completo tiene 109 mil millones de parámetros, por lo que necesitarás hardware considerable; las versiones cuantizadas reducen mucho ese requisito.
¿Cuánto cuesta Llama 4 Scout vía API y cuál es su contexto?: El precio es $0.18 por millón de tokens de entrada y $0.59 por millón de tokens de salida. La ventana de contexto soportada vía API es de 1,310,720 tokens, mientras que el modelo subyacente fue entrenado para manejar hasta 10 millones de tokens.
¿En qué se diferencia Scout de Llama 4 Maverick?: Ambos son modelos MoE de Llama 4, pero Scout activa 17 mil millones de parámetros con 16 expertos y está posicionado como la opción más ligera y amigable para despliegue; Maverick es el hermano mayor orientado a tareas de mayor capacidad.

Veredicto del capitán
Una combinación rara de pesos abiertos, capacidad genuina de visión y una ventana de contexto absurda a un precio que hace que los modelos cerrados de frontera parezcan caros.

Ficha del modelo en Hugging Face

El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.

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

Cómo se suma esta puntuación

Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.

Glosario: los términos usados aquí

Puntuación heat: Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
Piso: Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
Equivalentes a descargas: Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
Escala logarítmica: Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
Likes: Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
Tasa de adopción: Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
Medido y estimado: Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
Seeder: Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
AI Horde: Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
Sitios de generación: Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
Tokens de OpenRouter: Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
LoRA y embedding: Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
Familia y pesos: La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
Antigüedad: Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
Impulso de familia: Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
Puntaje provisional: Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
¡Nuevo! (periodo de gracia): Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
Tendencia: Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
Modelo típico: El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.

Modelos similares

Mistral Nemo Instruct 2407

Llama 3.1 70B Instruct

TEXT / LLM

Modelos de IA para generar imagen, vídeo y texto

Llama 4 Scout es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.

Más modelos Text / LLM Más Texto / LLM de Text / LLM llm meta-llama visión multilingüe contexto largo local presupuesto

Explorar por familia de modelos