LLaMA 4 Scout ist ein Modell mit 17 Milliarden Parametern, das eine Mixture-of-Experts-Architektur mit 16 aktiven Experten nutzt und sich damit als führendes multimodales Modell seiner Klasse positioniert. Es übertrifft konsequent Wettbewerber wie Gemma 3, Gemini 2.0 Flash-Lite und Mistral 3.1 in verschiedenen Benchmark-Aufgaben. Trotz seiner Leistung ist LLaMA 4 Scout bemerkenswert effizient – es kann mit Int4-Quantisierung auf einer einzigen NVIDIA H100 GPU betrieben werden. Darüber hinaus verfügt es über ein branchenführendes Kontextfenster von 10 Millionen Tokens und ist nativ multimodal, wodurch es Text-, Bild- und Videoeingaben nahtlos für fortschrittliche reale Anwendungen verarbeiten kann.
Das OpenAI o3-mini ist ein leistungsstarkes und kosteneffizientes Modell für schnelles logisches Denken, das speziell für MINT-Anwendungen entwickelt wurde und hervorragende Leistungen in Wissenschaft, Mathematik und Programmierung bietet. Es wurde im Januar 2025 veröffentlicht und enthält essenzielle Entwicklerfunktionen wie Funktionsaufrufe, strukturierte Ausgaben und Entwicklernachrichten. Das Modell verfügt über drei Stufen der Denkintensität—niedrig, mittel und hoch—damit Nutzer zwischen tiefgehender Analyse und schnelleren Antwortzeiten optimieren können. Im Gegensatz zum o3-Modell besitzt es keine visuellen Fähigkeiten. Zunächst ist es für ausgewählte Entwickler in den API-Stufen 3-5 verfügbar und kann über die Chat Completions API, Assistants API und Batch API genutzt werden.
| Llama 4 Scout | o3-mini | |
|---|---|---|
Anbieter | ||
Webseite | ||
Veröffentlichungsdatum | Apr 05, 2025 2 Wochen ago | Jan 31, 2025 2 Monate ago |
Modalitäten | Text Bilder Video | Text |
API-Anbieter | Meta AI, Hugging Face, Fireworks, Together, DeepInfra | OpenAI API |
Datum des Wissensstandes | 2025-04 | Unbekannt |
Open Source | Ja (Quelle) | Nein |
Preisgestaltung Eingabe | Nicht verfügbar | $1.10 pro Million Token |
Preisgestaltung Ausgabe | Nicht verfügbar | $4.40 pro Million Token |
MMLU | Nicht verfügbar | 86.9% pass@1, high effort Quelle |
MMLU Pro | 74.3% Reasoning & Knowledge Quelle | Nicht verfügbar |
MMMU | 69.4% Image Reasoning Quelle | Nicht verfügbar |
HellaSwag | Nicht verfügbar | Nicht verfügbar |
HumanEval | Nicht verfügbar | Nicht verfügbar |
MATH | Nicht verfügbar | 97.9% pass@1, high effort Quelle |
GPQA | 57.2% Diamond Quelle | 79.7% 0-shot, high effort Quelle |
IFEval | Nicht verfügbar | Nicht verfügbar |
Mobile Anwendung | - |
Compare AI. Test. Benchmarks. Mobile Chatbot-Apps, Sketch
Copyright © 2025 All Right Reserved.