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.
OpenAI o4-mini to najnowszy lekki model w serii o, zaprojektowany do wydajnego i skutecznego rozumowania w zadaniach tekstowych i wizualnych. Zoptymalizowany pod kątem szybkości i wydajności, wyróżnia się generowaniem kodu i zrozumieniem opartym na obrazach, zachowując równowagę między opóźnieniem a głębią rozumowania. Model obsługuje okno kontekstu o wielkości 200 000 tokenów z maksymalnie 100 000 tokenów wyjściowych, co czyni go odpowiednim do rozbudowanych interakcji o dużej objętości. Przetwarza zarówno dane tekstowe, jak i obrazowe, generując tekstowe wyniki z zaawansowanymi możliwościami rozumowania. Dzięki kompaktowej architekturze i wszechstronnej wydajności o4-mini jest idealny do szerokiego zakresu rzeczywistych zastosowań wymagających szybkiej i opłacalnej inteligencji.
| Llama 4 Scout | o4-mini | |
|---|---|---|
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 | $1.10 za milion tokenów |
Cena za wyjście
| Niedostępne | $4.40 za milion tokenów |
MMLU
| Niedostępne | fort |
MMLU-Pro
| 74.3% Reasoning & Knowledge Źródło | - |
MMMU
| 69.4% Image Reasoning Źródło | 81.6% Źródło |
HellaSwag
| Niedostępne | - |
HumanEval
| Niedostępne | 14.28% Źródło |
MATH
| Niedostępne | - |
GPQA
| 57.2% Diamond Źródło | 81.4% Źródło |
IFEval
| Niedostępne | - |
SimpleQA
| - | - |
AIME 2024 | - | 93.4% Źródło |
AIME 2025 | - | 92.7% Źródło |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Aplikacja mobilna | - | |
MathArena | ||
| Średni wynik | - | 87% |
AIME 2025 Test oparty na zadaniach z konkursu matematycznego (American Invitational Mathematics Examination),mający na celu sprawdzenie umiejętności matematycznych modeli. | - | 92% |
HMMT February 2025 Test oparty na zadaniach z Harvard-MIT Mathematics Tournament, luty 2025, mający na celu sprawdzenie umiejętności matematycznych modeli. | - | 83% |
BRUMO 2025 | - | 87% |
SMT 2025 Test oparty na zadaniach z Stanford Math Tournament, 2025, mający na celu sprawdzenie umiejętności matematycznych modeli. | - | 89% |
CMIMC 2025 Test oparty na zadaniach z Canadian Mathematical Olympiad, 2025, mający na celu sprawdzenie umiejętności matematycznych modeli. | - | 84% |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2026 All Right Reserved.