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。
OpenAI o4-mini是o系列中最新的轻量级模型，专为高效处理文本和视觉任务而设计。优化了速度和性能，擅长代码生成和基于图像的理解，同时保持延迟和推理深度之间的平衡。该模型支持20万令牌的上下文窗口，最多可输出10万令牌，适合长时间、高容量的交互。它能处理文本和图像输入，生成具有高级推理能力的文本输出。凭借其紧凑的架构和多功能性能，o4-mini是各种需要快速、经济高效智能的现实应用的理想选择。
| Llama 4 Scout | o4-mini | |
|---|---|---|
网站
| ||
提供商
| ||
聊天
| ||
发布日期
| ||
模态
| 文本 图像 视频 | 文本 图像 |
API提供商
| Meta AI, Hugging Face, Fireworks, Together, DeepInfra | OpenAI API |
知识截止日期
| 2025-04 | - |
开源
| 是 (来源) | 否 |
输入定价
| 不可用 | $1.10 每百万token |
输出定价
| 不可用 | $4.40 每百万token |
MMLU
| 不可用 | fort |
MMLU-Pro
| 74.3% Reasoning & Knowledge 来源 | - |
MMMU
| 69.4% Image Reasoning 来源 | 81.6% 来源 |
HellaSwag
| 不可用 | - |
HumanEval
| 不可用 | 14.28% 来源 |
MATH
| 不可用 | - |
GPQA
| 57.2% Diamond 来源 | 81.4% 来源 |
IFEval
| 不可用 | - |
SimpleQA
| - | - |
AIME 2024 | - | 93.4% 来源 |
AIME 2025 | - | 92.7% 来源 |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
移动应用 | - | |
MathArena | ||
| 平均分数 | - | 87% |
AIME 2025 基于美国邀请数学考试（American Invitational Mathematics Examination）题目的测试，旨在检验模型的数学能力。 | - | 92% |
HMMT February 2025 基于2025年2月哈佛-MIT数学竞赛题目的测试，旨在检验模型的数学能力。 | - | 83% |
BRUMO 2025 | - | 87% |
SMT 2025 基于2025年斯坦福数学竞赛题目的测试，旨在检验模型的数学能力。 | - | 89% |
CMIMC 2025 基于2025年加拿大数学奥林匹克竞赛题目的测试，旨在检验模型的数学能力。 | - | 84% |