Llama 4 Scout — Spezifikationen
Zusammengestellt von Mustafa Ihsan aus der Dokumentation des Herstellers · Zuletzt aktualisiert
| Entwickler | Meta |
|---|---|
| Typ | Multimodal (MoE) |
| Modality | Text, Bild → Text |
| Parameter | 109 Mrd. insgesamt / 17 Mrd. aktiv (MoE) |
| Kontextfenster | 10 Mio. |
| Lizenz | Llama 4 Community (EU-beschränkt) |
| Offene Gewichte | Ja |
| Veröffentlicht | 2025-04 |
| Eingabepreis | $0.10 /1M |
| Ausgabepreis | $0.30 /1M |
| API-Anbieter | DeepInfra, Amazon Bedrock, OpenRouter, Ollama |
Lokal ausführen
| VRAM (4-Bit) | ca. 65 GB |
|---|---|
| Mindest-GPU | Single H100 80GB (int4) |
Was ist Llama 4 Scout?
Llama 4 Scout is the smaller Llama 4 model, released by Meta on 5 April 2025: 17B active parameters out of 109B total across 16 experts, text and image input, and a 10M-token context window. Meta’s model card says it fits within a single H100 GPU with on-the-fly int4 quantization (about 65 GB at 4-bit by our estimate). It ships under the Llama 4 Community License, with the same EU condition for multimodal models as Llama 4 Maverick.
The 10M context is ten times the 1M window common among current flagship models, and it changes what can go into one prompt: whole codebases, document archives or long transcripts instead of a retrieval pipeline. Whether that is wise depends on the job. Retrieval is usually cheaper per request, but where chunking destroys the signal, Scout is the open model to look at first.
Hosted access is cheap. DeepInfra lists Scout at $0.10 per million input tokens and $0.30 output, and Amazon Bedrock lists $0.17 and $0.66 in US East (N. Virginia), so you can prototype on an API before buying hardware. Hosts set their own context limits, though: DeepInfra lists 320K for Scout, not the full 10M. For the trade-offs between the two Llama 4 models, see Llama 4 Scout vs Llama 4 Maverick.
Llama 4 Scout Preisgestaltung: API-Kosten pro 1M Token
| Eingabe (pro 1 Mio. Token) | $0.100 |
|---|---|
| Ausgabe (pro 1 Mio. Token) | $0.300 |
| Verhältnis Output/Input | 3× |
| Gemischt (4:1 Input:Output) | $0.140 pro 1 Mio. Tokens |
Was Llama 4 Scout pro Monat kostet
Tatsächliche monatliche Ausgaben bei einem 4:1-Input-zu-Output-Mix – dem Verhältnis, das typische Chat- oder RAG-Arbeitslasten tatsächlich erzeugen.
| Workload | Tokens/Monat | Kosten pro Monat |
|---|---|---|
| Nebenprojekt | 1 Mio. Eingabe / 0,25 Mio. Ausgabe | $0.18 |
| Kleines Team | 20 Mio. Eingabe / 5 Mio. Ausgabe | $3.50 |
| Produktion | 200 Mio. Eingabe / 50 Mio. Ausgabe | $35 |
Stellen Sie Ihre eigenen Berechnungen im KI-API-Kostenrechner.
Günstigere Alternativen zu Llama 4 Scout
| Modell | Gewichteter Preis pro Million US-Dollar | Sie sparen |
|---|---|---|
| Qwen3 32B offenere | $0.120 | 14% günstiger |
| Gemma 3 27B offenere | $0.0960 | 31% günstiger |
Selbst hosten oder die API nutzen?
Llama 4 Scout ist Open-Weight, Sie können es selbst ausführen. Es benötigt ca. 65 GB of VRAM at 4-bit (Single H100 80GB (int4)). Self-hosting only beats the API once your volume is high enough to keep that hardware busy — the Self-Hosting vs API Rechner berechnet den Break-even-Punkt für Ihr Token-Volumen.
Häufig gestellte Fragen
Wie viel kostet Llama 4 Scout pro 1M Token?
Llama 4 Scout kostet 0,100 $ pro 1M Eingabe-Token und 0,300 $ pro 1M Ausgabe-Token. Bei einem typischen 4:1-Verhältnis von Eingabe zu Ausgabe sind das etwa 0,140 $ pro 1M Token.
Wie viel kostet Llama 4 Scout pro Monat?
Eine Arbeitsbelastung eines kleinen Teams von 20M Eingabe- und 5M Ausgabe-Token pro Monat kostet auf Llama 4 Scout etwa 3,50 $. Ein Nebenprojekt (1M rein / 0,25M raus) kostet ungefähr 0,18 $.
Was ist eine günstigere Alternative zu Llama 4 Scout?
Qwen3 32B ist die stärkste günstigere Option in unserer Datenbank bei 0,120 $ pro 1M gemischt — etwa 14% weniger als Llama 4 Scout. Es ist auch Open-Weight, daher ist Selbsthosting eine Option.
Kann ich Llama 4 Scout lokal ausführen?
Yes. Llama 4 Scout is open-weight and needs about ~65 GB of VRAM at 4-bit quantisation (Single H100 80GB (int4)).
Warum berechnet Llama 4 Scout mehr für Ausgabe als Eingabe?
Ausgabe-Token werden nacheinander erzeugt und können nicht wie eine Eingabeaufforderung gebündelt werden, daher kosten sie den Anbieter mehr. Llama 4 Scout berechnet 3× mehr für Ausgabe, weshalb eingabenlastige Arbeitsbelastungen viel billiger sind als generationslastige.
Die Preise entsprechen den offiziell veröffentlichten Listenpreisen für die primäre API des jeweiligen Modells und werden regelmäßig aktualisiert, sobald Anbieter diese ändern. Volumen-, Batch- und Cached-Input-Rabatte sind nicht enthalten. Vergleichen Sie alle Modelle nebeneinander im Datenbank für KI-Modelle oder das LLM-Leaderboard.