LLaMA 4 Scout 是一个拥有170亿参数的模型，采用混合专家架构（Mixture-of-Experts），并启用16个活跃专家，使其在同类多模态模型中处于领先地位。它在各种基准测试中持续超越Gemma 3、Gemini 2.0 Flash-Lite 和 Mistral 3.1 等竞争对手。尽管性能强大，LLaMA 4 Scout 却非常高效 —— 可在一张 NVIDIA H100 GPU 上以 Int4 量化运行。同时，它具备领先业界的1000万Token上下文窗口，并且原生支持多模态，能够无缝处理文本、图像和视频输入，适用于高级现实场景应用。
DeepSeek-R1是拥有6710亿参数的混合专家(MoE)模型，每个token激活370亿参数，通过大规模强化学习训练，专注推理能力。包含两个RL阶段用于改进推理模式并与人类偏好对齐，以及两个SFT阶段培养推理与非推理能力。在数学、编程和推理任务上达到与OpenAI-o1相当的性能。
| Llama 4 Scout | DeepSeek-R1 | |
|---|---|---|
提供商 | ||
网站 | ||
发布日期 | Apr 05, 2025 2 周 ago | Jan 21, 2025 3 个月 ago |
模态 | 文本 图像 视频 | 文本 |
API提供商 | Meta AI, Hugging Face, Fireworks, Together, DeepInfra | DeepSeek, HuggingFace |
知识截止日期 | 2025-04 | 未知 |
开源 | 是 (来源) | 是 |
输入定价 | 不可用 | $0.55 每百万token |
输出定价 | 不可用 | $2.19 每百万token |
MMLU | 不可用 | 90.8% Pass@1 来源 |
MMLU Pro | 74.3% Reasoning & Knowledge 来源 | 84% EM 来源 |
MMMU | 69.4% Image Reasoning 来源 | - |
HellaSwag | 不可用 | - |
HumanEval | 不可用 | - |
MATH | 不可用 | - |
GPQA | 57.2% Diamond 来源 | 71.5% Pass@1 来源 |
IFEval | 不可用 | 83.3% Prompt Strict 来源 |
移动应用 | - |