LLaMA 4 Scout to model o 17 miliardach parametrów wykorzystujący architekturę Mixture-of-Experts z 16 aktywnymi ekspertami, co czyni go czołowym modelem multimodalnym w swojej kategorii. Regularnie przewyższa konkurentów takich jak Gemma 3, Gemini 2.0 Flash-Lite i Mistral 3.1 w różnych zadaniach testowych. Pomimo swojej wydajności, LLaMA 4 Scout jest wyjątkowo efektywny — może działać na pojedynczym GPU NVIDIA H100 z kwantyzacją Int4. Dodatkowo oferuje wiodące w branży okno kontekstowe o długości 10 milionów tokenów i jest natywnie multimodalny, umożliwiając płynne przetwarzanie tekstu, obrazów i wideo w zaawansowanych zastosowaniach rzeczywistych.
GPT-4.1, wprowadzony przez OpenAI 14 kwietnia 2025 roku, oferuje okno kontekstu o rozmiarze 1 miliona tokenów i obsługuje do 32 768 tokenów na żądanie. Wyróżnia się doskonałą wydajnością w zadaniach programistycznych, osiągając 54,6% w benchmarku SWE-Bench Verified i wykazując 10,5% poprawę względem GPT-4o w MultiChallenge pod względem wykonywania instrukcji. Dane modelu są aktualne do czerwca 2024. Cena wynosi 2,00 $ za milion tokenów wejściowych i 8,00 $ za milion tokenów wyjściowych, z 75% zniżką dla buforowanych danych wejściowych, co czyni go wysoce opłacalnym dla powtarzających się zapytań.
| Llama 4 Scout | GPT-4.1 | |
|---|---|---|
Strona internetowa
| ||
Dostawca
| ||
Czat
| ||
Data wydania
| ||
Modalności
| tekst obrazy wideo | tekst obrazy |
Dostawcy API
| Meta AI, Hugging Face, Fireworks, Together, DeepInfra | OpenAI API |
Data ostatniej aktualizacji wiedzy
| 2025-04 | - |
Open Source
| Tak (Źródło) | Nie |
Cena za wejście
| Niedostępne | $2.00 za milion tokenów |
Cena za wyjście
| Niedostępne | $8.00 za milion tokenów |
MMLU
| Niedostępne | 90.2% pass@1 Źródło |
MMLU-Pro
| 74.3% Reasoning & Knowledge Źródło | - |
MMMU
| 69.4% Image Reasoning Źródło | 74.8% Źródło |
HellaSwag
| Niedostępne | - |
HumanEval
| Niedostępne | - |
MATH
| Niedostępne | - |
GPQA
| 57.2% Diamond Źródło | 66.3% Diamond Źródło |
IFEval
| Niedostępne | - |
SimpleQA
| - | - |
AIME 2024 | - | 48.1% Źródło |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | 87.3% pass@1 Źródło |
MathVista
| - | - |
Aplikacja mobilna | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2025 All Right Reserved.