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。
Meta推出的Llama 3.3 70B Instruct是多语言大模型，专为指令任务微调并优化对话应用。支持128,000 token上下文窗口，可处理生成多语言文本。2024年12月6日发布，在多项行业基准测试中超越众多开源和商业聊天模型。采用分组查询注意力(GQA)提升扩展性，基于超过15万亿token的公开数据训练，知识截止至2023年12月。
| Llama 4 Scout | Llama 3.3 70B Instruct | |
|---|---|---|
网站
| ||
提供商
| ||
聊天
| ||
发布日期
| ||
模态
| 文本 图像 视频 | 文本 |
API提供商
| Meta AI, Hugging Face, Fireworks, Together, DeepInfra | Fireworks, Together, DeepInfra, Hyperbolic |
知识截止日期
| 2025-04 | 12.2024 |
开源
| 是 (来源) | 是 |
输入定价
| 不可用 | $0.23 每百万token |
输出定价
| 不可用 | $0.40 每百万token |
MMLU
| 不可用 | 86% 0-shot, CoT 来源 |
MMLU-Pro
| 74.3% Reasoning & Knowledge 来源 | 68.9% 5-shot, CoT 来源 |
MMMU
| 69.4% Image Reasoning 来源 | 不可用 |
HellaSwag
| 不可用 | 不可用 |
HumanEval
| 不可用 | 88.4% pass@1 来源 |
MATH
| 不可用 | 77% 0-shot, CoT 来源 |
GPQA
| 57.2% Diamond 来源 | 50.5% 0-shot, CoT 来源 |
IFEval
| 不可用 | 92.1% 来源 |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
移动应用 | - | - |