Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Meta · pașaport de model

Meta: Llama 4 Scout

llama-4-scout-17b-16e-instruct

Ponderi deschise
Licență Llama
108.6B parametri
1,310,720 context
Lansat 2025-04-05(curatoriat)

General · LMArena: 1,322#240 din 396
Cea mai bună percentilă: 64.8Halucinații HHEM (Vectara)
Poziția în cohortă: 36.4mediană 48.1

Ce spun datele

Evaluat pe 11 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai slabe axe

2.9 pct — FrontierMath (0.0%)
11.2 pct — ARC-AGI-2 (0.0%)

Neuniform: 61,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 64.8 pct pe Halucinații HHEM (Vectara) față de 2.9 pct pe FrontierMath.

Halucinații HHEM (Vectara)64.8 pct92.3%Verifică →
Prompturi dificile40.4 pct1,329Verifică →
Programare40.2 pct1,363Verifică →
General39.6 pct1,322Verifică →
Urmarea instrucțiunilor38.1 pct1,299Verifică →
BFCL v4 (apelare de funcții)Clasament inactiv36.6 pct28.1%Verifică →
GPQA Diamond36.2 pct51.8%Verifică →
Vision Arena26.7 pct1,127Verifică →
AIME (matematică)22.5 pct7.8%Verifică →
ARC-AGI-211.2 pct0.0%Verifică →
FrontierMath2.9 pct0.0%Verifică →
WebDev ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
SimpleQA VerifiedNeevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
IFBench (Artificial Analysis)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositorymeta-llama/Llama-4-Scout-17B-16E-Instruct

Parametri108.6B

ArhitecturăLlama4ForConditionalGeneration

LicențăLlama

AccesRestricționat — trebuie să accepți termenii repository-ului înainte de descărcare

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "meta-llama/Llama-4-Scout-17B-16E-Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APImeta-llama/llama-4-scout

Lungime context1,310,720 tokeni

Ieșire maximă16,384 tokeni

Acceptătext, image

Preț intrare$0.10 per 1M tokeni

Preț ieșire$0.30 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyLogit biasMax tokensMin-pPresence penaltyRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"meta-llama/llama-4-scout","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

llama-4-scout-17b-16e-instruct stands at 36.4 (raw mean 32.7) — measured on 11 of 27 axes.
pozițieșablonVerifică →
llama-4-scout-17b-16e-instruct stands at 36.4 versus a cohort median of 48.1 across 151 models released within 180 days — below the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →