Tôi có thể chạy Llama 4 Scout cục bộ không?

Không. Meta chưa phát hành trọng số công khai, nên Scout hiện chỉ có thể truy cập qua API.

Llama 4 Scout có giá bao nhiêu và ngữ cảnh dài bao nhiêu?

Giá là 0,10 đô la cho mỗi triệu token đầu vào và 0,30 đô la cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 327.680 token.

Scout khác gì so với các mô hình Llama 4 khác?

Scout là phiên bản nhỏ hơn, rẻ hơn trong gia đình Llama 4 — 17 tỷ tham số với 16 chuyên gia — được thiết kế cho các tác vụ đa phương thức nhạy cảm về chi phí thay vì tối đa hóa khả năng.

Llama 4 Scout 17B 16E Instruct

4370°

#llm #meta-llama #thị giác #ngữ cảnh dài #ngân sách #trò chuyện

Thị giác

Chạy trên Graydient

Mở DeepInfra

Chạy mô hình này

Ưu đãi / Quảng cáo

Easy Creator (Prism) Web

Không giới hạn · phí cố định

Tốt nhất cho người mới bắt đầu. Quy trình làm việc mạnh mẽ, dễ học.

PirateDiffusion Telegram

Không giới hạn · phí cố định

Tạo video, hình ảnh, nhân vật chat tùy chỉnh và nhiều hơn nữa.

Pro studio (SpyGlass) Web

Không giới hạn · phí cố định

Duyệt mô hình, render và chỉnh sửa từ bất kỳ trình duyệt hay điện thoại nào.

Discord bot (Vector)

Không giới hạn · phí cố định

Thêm Vector vào máy chủ của bạn hoặc tham gia Discord của Vector. Tạo mọi thứ!

Unified Editor Web

Không giới hạn · phí cố định

Trình chỉnh sửa cho hình ảnh và video: render, chỉnh sửa, nâng cấp và nhiều hơn nữa trên một trang.

Ứng dụng cục bộ

Cần thiết lập

Cài đặt các chương trình local nếu máy tính của bạn có phần cứng đủ mạnh.

ModelDuel Web

Trả theo lượt dùng

Tạo cùng một lệnh trên tối đa 50 mô hình checkpoint/cơ sở cùng lúc.

Thuê GPU trên đám mây

Graydient Cloud GPU

Không giới hạn · phí cố định

Phí cố định, dùng không giới hạn. Mô hình này cài đặt chỉ với một lần nhấp.

RunPod Cloud GPU

Tính phí theo phút

Thuê GPU theo phút và tự thiết lập mô hình.

Hướng dẫn cho mô hình này

Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì

10 lựa chọn thay thế ChatGPT rẻ nhất năm 2026: mô hình cục bộ miễn phí, gói miễn phí và gói trả phí cố định

Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)

Tất cả hướng dẫn

meta-llama | ngữ cảnh 327,680 token | $0.10/M đầu vào, $0.30/M đầu ra. Bộ sưu tập mô hình Llama 4 là các mô hình AI đa phương tiện gốc cho phép trải nghiệm văn bản và đa phương tiện. Các mô hình này tận dụng kiến trúc mixture-of-experts để cung cấp hiệu suất hàng đầu trong ngành về hiểu văn bản và hình ảnh. Llama 4 Scout, một mô hình 17 tỷ tham số với 16 chuyên gia

Ghi chú của thuyền trưởng

Viết bởi Captain, biên tập viên chính

Ghi chú từ 2026-10-13

Llama 4 Scout là mô hình đa phương thức của Meta được xây dựng trên kiến trúc hỗn hợp chuyên gia, với 17 tỷ tham số hoạt động trên 16 chuyên gia và cửa sổ ngữ cảnh 327.680 token. Nó xử lý cả văn bản và hình ảnh một cách tự nhiên. Với giá 0,10 đô la cho mỗi triệu token đầu vào, nó nằm ở mức giá rẻ trong số các API đa phương thức có khả năng, làm cho nó trở thành lựa chọn hợp lý cho các nhà phát triển cần xử lý hình ảnh và ngữ cảnh dài mà không phải chịu chi phí suy luận lớn.

Nổi tiếng với

Hiểu hình ảnh gốc cùng với văn bản, không cần bộ điều hợp thị giác riêng biệt.
Cửa sổ ngữ cảnh 327.680 token — phù hợp cho tài liệu dài và các cuộc trò chuyện mở rộng.
Thiết kế hỗn hợp chuyên gia giữ số lượng tham số hoạt động gọn nhẹ so với kích thước ngữ cảnh.
Giá đầu vào rất thấp, chỉ 0,10 đô la cho mỗi triệu token đối với mô hình đa phương thức.

Cẩn thận với

Trọng số không được phát hành công khai; bạn bị ràng buộc với truy cập API, không thể triển khai cục bộ.
Meta chưa công bố số liệu chuẩn chi tiết hoặc thẻ mô hình để xác minh độc lập.

Phù hợp nhất cho

Lời nhắc để thử

Phân tích tài liệu dày đặc

Đây là một hợp đồng dài. Xác định mọi điều khoản đặt nghĩa vụ lên người mua, tóm tắt mỗi điều khoản trong một câu, và đánh dấu bất kỳ điều khoản nào áp đặt hình phạt tài chính. Hãy cụ thể về số mục.

Mô tả và phê bình một hình ảnh

Tôi đính kèm một ảnh chụp màn hình bảng điều khiển dữ liệu. Liệt kê mọi chỉ số hiển thị, ghi chú bất kỳ chỉ số nào có vẻ bất thường so với các chỉ số khác, và đề xuất một câu hỏi mà quản lý nên hỏi dựa trên những gì bạn thấy.

Trích xuất dữ liệu có cấu trúc

Đọc hình ảnh hóa đơn đính kèm và trả về một đối tượng JSON với các trường sau: vendor_name, invoice_date, line_items (mảng gồm mô tả và số tiền), subtotal, tax, total. Nếu trường nào không có trong hình ảnh, đặt giá trị đó là null.

So sánh với

Llama 3.1 70B Instruct
Mô hình mở trọng số
ngữ cảnh 131,072 token · Đầu vào $0.40/M, đầu ra $0.40/M
Llama 4 Scout
Mô hình mở trọng số
ngữ cảnh 1,310,720 token · Đầu vào $0.18/M, đầu ra $0.59/M
Llama 3.1 8B Instruct
Mô hình mở trọng số
ngữ cảnh 131,072 token · Đầu vào $0.05/M, đầu ra $0.08/M
Llama 4 Maverick
Mô hình mở trọng số
ngữ cảnh 1,048,576 token · Đầu vào $0.19/M, đầu ra $0.65/M

Thêm mô hình văn bản từ meta-llama

Câu hỏi thường gặp

Tôi có thể chạy Llama 4 Scout cục bộ không?: Không. Meta chưa phát hành trọng số công khai, nên Scout hiện chỉ có thể truy cập qua API.
Llama 4 Scout có giá bao nhiêu và ngữ cảnh dài bao nhiêu?: Giá là 0,10 đô la cho mỗi triệu token đầu vào và 0,30 đô la cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 327.680 token.
Scout khác gì so với các mô hình Llama 4 khác?: Scout là phiên bản nhỏ hơn, rẻ hơn trong gia đình Llama 4 — 17 tỷ tham số với 16 chuyên gia — được thiết kế cho các tác vụ đa phương thức nhạy cảm về chi phí thay vì tối đa hóa khả năng.

Phán quyết của thuyền trưởng
Một API đa phương thức thực sự rẻ với cửa sổ ngữ cảnh dài; điểm trừ duy nhất là trọng số đóng.

Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.

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

Điểm số này được tính như thế nào

Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.

Thuật ngữ: các từ dùng ở đây

Điểm nhiệt: Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
Sàn điểm: 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
Tương đương lượt tải: Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
Thang log: Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
Lượt thích: Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
Tỷ lệ áp dụng: Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
Đã đo và ước tính: Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
Seeder: Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
AI Horde: Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
Trang tạo ảnh: Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
Token OpenRouter: Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Mô hình đầy đủ (checkpoint): Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
LoRA và embedding: Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
Gia đình và trọng số: Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
Tuổi: Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
Tăng gia đình: Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
Điểm thay thế: Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
Mới! (giai đoạn thử nghiệm): Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
Xu hướng: Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
Mô hình điển hình: Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.

Cách cài đặt

Cách Cài Đặt Ollama và Chạy AI Cục Bộ (Windows, Mac, Linux)

11 Tháng 10, 2026

Mở DeepInfra

Mô hình tương tự

NVIDIA Nemotron 3.5 Super VL

Qwen3 30B A3B Thinking 2507

TEXT / LLM

Mô hình AI để tạo hình ảnh, video & văn bản

Llama 4 Scout 17B 16E Instruct là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác, xem điểm độ hot để biết xu hướng và mở trên PirateDiffusion hoặc BitVector để dùng thử.

Thêm mô hình Text / LLM Thêm Văn bản / LLM Text / LLM llm meta-llama thị giác ngữ cảnh dài ngân sách trò chuyện

Duyệt theo họ mô hình