Meta a publié Llama 4 Scout et Llama 4 Maverick le même jour — le 5 avril 2025 — et il est facile de les interpréter comme « le petit » et « le grand ». Cette lecture est erronée sur le point qui compte le plus pour votre facture. Les deux modèles activent exactement 17 milliards de paramètres par jeton. Ce qui diffère, c’est la taille du bassin d’experts dont ces 17 milliards sont tirés : 16 experts pour Scout, 128 pour Maverick. Tout le reste — l’écart de prix, l’écart matériel, l’écart sur les benchmarks — découle directement de ce seul choix architectural.
Cela signifie également que l’intuition habituelle « plus grand modèle = meilleures réponses » ne tient plus ici. Maverick compte 3,7 fois plus de paramètres au total, mais ne fournit pas des performances 3,7 fois supérieures ; sur certains benchmarks, ses performances ne sont même pas meilleures. Le tableau comparatif complet ci-dessous repose sur la fiche technique publiée par Meta et sur les tarifs en direct des fournisseurs — y compris la spécification la plus citée, mais pratiquement inaccessible.
Points clés
- Même nombre de paramètres actifs, bassins d’experts différents. Scout compte 109 milliards de paramètres au total / 17 milliards actifs répartis sur 16 experts. Maverick compte 400 milliards de paramètres au total / 17 milliards actifs répartis sur 128 experts. La puissance de calcul nécessaire à l’inférence par jeton est quasiment identique ; l’empreinte mémoire, elle, ne l’est pas.
- La fenêtre contextuelle de 10 millions de jetons de Scout est bien réelle, mais vous ne pourrez presque certainement pas la louer. Meta a entraîné Scout pour traiter jusqu’à 10 millions de jetons. Les fournisseurs hébergés offrent des plages comprises entre 128 K et environ 1,3 million. Pour exploiter pleinement les 10 millions, un déploiement local est indispensable, ainsi qu’un cache KV extrêmement volumineux.
- L’avantage de Maverick se concentre sur le raisonnement et la programmation. GPQA Diamond : +12,6 points, LiveCodeBench : +10,6 points. En compréhension documentaire, les deux modèles sont à égalité — DocVQA atteint 94,4 pour les deux.
- Scout coûte environ 2,3 fois moins cher sur une base tarifaire combinée (0,15 $ contre 0,35 $ par million de jetons combinés, ratio entrée/sortie de 3:1).
- C’est sur le matériel local que leurs différences deviennent réellement marquées. Scout tient sur une seule carte H100 de 80 Go en quantification 4 bits ; Maverick nécessite environ 240 Go en 4 bits et un hôte complet de 8 GPU en FP8.
- Considérez comme invalide le score LMArena célèbre de 1417 attribué à Maverick. Ce chiffre provient d’une variante expérimentale de chat non publiée, et non des poids téléchargeables.
Version en 30 secondes
Choisissez Scout si vous traitez de longs documents, effectuez des tâches de recherche, de synthèse, de reconnaissance optique de caractères (OCR), ou encore d’extraction de graphiques ou de formulaires, ou si vous traitez des volumes élevés où le coût par jeton s’accumule — et surtout si vous souhaitez déployer localement sur une seule carte graphique. Choisissez Maverick si votre charge de travail dépend réellement du raisonnement ou de la programmation, là où son avantage à deux chiffres sur GPQA Diamond et LiveCodeBench justifie le surcoût matériel et financier. Pour la plupart des pipelines documentaires et d’extraction, payer 2,3 fois plus pour Maverick ne procure presque aucun gain mesurable.
Architecture : un seul réglage, deux modèles très différents
Les deux modèles sont des transformeurs à mélange d’experts (MoE) utilisant ce que Meta appelle fusion précoce pour une multimodalité native — les jetons image et texte entrent dans le même réseau de base, plutôt que d’être greffés via un adaptateur visuel séparé. Les deux acceptent du texte et des images, et génèrent du texte. Les deux ont une date de coupure de connaissances en août 2024.
La divergence réside dans le routeur : Scout sélectionne parmi 16 experts, Maverick parmi 128. Comme seuls 17 milliards de paramètres s’activent par jeton, les deux modèles coûtent à peu près autant en calcul par jeton — mais chaque expert doit être présent en mémoire, qu’il s’active ou non sur un jeton donné. C’est pourquoi Maverick occupe 3,7 fois plus de mémoire que Scout tout en étant seulement légèrement plus lent par jeton, et c’est aussi la raison pour laquelle un modèle creux (sparse) de 400 milliards de paramètres peut être servi à des tarifs qui seraient impossibles pour un modèle dense de 400 milliards de paramètres.
Une différence notable : Scout a été entraîné sur environ 40 billions de jetons, Maverick sur environ 22 billions. Scout a donc vu plus de données réparties sur moins d’experts, tandis que Maverick en a vu moins, réparties sur beaucoup plus d’experts. Cela explique pourquoi Scout résiste bien sur les tâches nécessitant une large culture générale ou une bonne compréhension documentaire, mais accuse un retard sur les tâches complexes de raisonnement.
Fenêtre contextuelle : 10 millions sur papier, nettement moins en pratique
Il s’agit du chiffre le plus cité — et le plus trompeur — de la sortie de Llama 4. Meta annonce une « fenêtre contextuelle record de 10 millions de jetons » pour Scout, obtenue grâce à une conception d’attention entrelacée sans encodage positionnel. Maverick, lui, est livré avec 1 million.
L’élément limitant : aucun fournisseur hébergé ne propose réellement 10 millions de jetons. Dans la pratique, les limites observées sont les suivantes : environ 128 K–131 K chez Groq, environ 320 K chez DeepInfra, environ 328 K chez Together, près de 1 million chez Fireworks, et la fiche Scout sur OpenRouter affichant 1 310 720 jetons avec une limite de complétion à 16 384 jetons. Pour utiliser effectivement les 10 millions de jetons, vous devez déployer localement, puis faire face à la vraie contrainte : le cache KV. À des profondeurs de plusieurs millions de jetons, ce cache devient plus volumineux que les poids du modèle lui-même, ce qui explique précisément pourquoi les fournisseurs l’imposent comme limite.
Ainsi, la comparaison honnête n’est pas « 10 M contre 1 M », mais plutôt environ 1,3 M contre environ 1 M sur les plateformes que la plupart des utilisateurs emploieront réellement — un avantage réel pour Scout, certes, mais étroit, et non l’écart d’un facteur dix que laisse entendre la fiche technique. Si vous avez réellement besoin de plusieurs millions de jetons, prévoyez un budget pour un déploiement local et testez le débit à grande profondeur avant de vous engager.
Benchmarks : là où apparaissent les 291 milliards de paramètres supplémentaires
Tous les chiffres ci-dessous proviennent des résultats publiés par Meta lui-même pour les variantes Instruct. Il s’agit de données issues directement de Meta, à considérer donc comme indicatives plutôt que définitives.
| Référence | Llama 4 Scout | Llama 4 Maverick | Écart |
|---|---|---|---|
| MMLU Pro (raisonnement) | 74.3 | 80.5 | +6.2 |
| GPQA Diamond (sciences de niveau diplôme universitaire) | 57.2 | 69.8 | +12.6 |
| LiveCodeBench (programmation) | 32.8 | 43.4 | +10.6 |
| MMMU (raisonnement sur images) | 69.4 | 73.4 | +4.0 |
| MMMU Pro | 52.2 | 59.6 | +7.4 |
| MathVista | 70.7 | 73.7 | +3.0 |
| ChartQA | 88.8 | 90.0 | +1.2 |
| DocVQA (jeu de test) | 94.4 | 94.4 | 0.0 |
| MGSM (mathématiques multilingues) | 90.6 | 92.3 | +1.7 |
| MTOB, moitié de livre (anglais → kgv) | 42.2 | 54.0 | +11.8 |
La forme de ce tableau est tout l'argument. L'avantage de Maverick est large et cohérent en raisonnement, sciences et code — un gain relatif de 22 % sur GPQA Diamond et un gain relatif de 32 % sur LiveCodeBench. Sur la compréhension de documents et graphiques, il s'effondre à néant: 1,2 points sur ChartQA et un match nul sur DocVQA.
Si votre pipeline est l'extraction de factures, l'analyse de formulaires, la reconnaissance OCR de reçus ou la lecture de graphiques, les propres chiffres de Meta indiquent que Maverick ne lira pas mieux vos documents que Scout — et vous paieriez environ 2,3 × par token pour cette parité. C'est la conclusion la plus concrète ici.
Un benchmark que vous devriez ignorer entièrement : le score largement répété de Maverick 1417 LMArena ELO. Meta a soumis une « version de chat expérimentale » qui n'a jamais été mise en téléchargement ni accessible via API générale, et des chercheurs ont découvert que ses sorties ne correspondaient pas aux poids Hugging Face. LMArena a révisé sa politique le 8 avril 2025 pour exiger que les soumissions de poids ouverts correspondent aux poids publiés, affirmant que l'interprétation des règles par Meta ne correspondait pas à ses attentes envers les fournisseurs de modèles. Les poids publics non modifiés se sont classés beaucoup plus bas. Quelle que soit la qualité conversationnelle réelle de Maverick, 1417 n'en est pas une preuve.
Matériel local : consommation de VRAM en FP16, FP8 et 4 bits
La mémoire pour les poids est simplement le nombre de paramètres × octets par paramètre, puis ajoutez environ 15–25 % pour la mémoire cache KV et les surcharges d'activation à des longueurs de contexte modestes. Les contextes longs augmentent beaucoup plus la mémoire cache.
| Précision | Scout (109B) | Maverick (400B) |
|---|---|---|
| Poids BF16/FP16 | ~218 GB | ~800 Go |
| Poids FP8 | ~109 GB | ~400 Go |
| Poids INT4 | ~55 GB | ~200 GB |
| INT4 pratique (avec surcharge) | ~65 GB | ~240 Go |
| Matériel réaliste minimum | 1 × H100 80GB, ou un Mac 128GB | Serveur multi-GPU (4 × H100 à 4 bits) |
Meta déclare directement que Scout « tient dans un GPU NVIDIA H100 unique » avec quantification Int4, et que Maverick « tient sur un hôte H100 unique » — notez le mot hôte, ce qui signifie un nœud à 8 GPU, pas une seule carte. Un nœud 8×H100 fournit 640 GB, ce qui contient confortablement Maverick en FP8 mais pas en BF16, où 800 GB de poids seuls dépassent le nœud. Maverick en précision complète nécessite une mémoire de classe H200 ou deux nœuds.
En pratique : Scout est un modèle mono-GPU ou single-workstation et l'une des choses les plus performantes que vous puissiez exécuter sur un Mac Studio 128GB. Maverick ne fonctionne qu'en data-center. Utilisez le calculatrice VRAM pour vérifier votre propre configuration et profondeur de contexte.
| Spécifications | Llama 4 Scout | Llama 4 Maverick |
|---|---|---|
| Développeur | Meta | Meta |
| Type | Multimodal (MoE) | Multimodal (MoE) |
| Paramètres | 109 milliards au total / 17 milliards actifs (MoE) | 400 milliards au total / 17 milliards actifs (MoE) |
| Fenêtre de contexte | 10 M | 1 million |
| Modalité | Texte, image → texte | Texte, image → texte |
| Licence | Llama 4 Community (restreint à l’UE) | Llama 4 Community (restreint à l’UE) |
| Poids ouverts | ✅ Oui | ✅ Oui |
| Coût d’entrée (en $/million) | $0.10 | $0.24 |
| Coût de sortie (en $/million) | $0.30 | $0.97 |
| VRAM (4 bits) | ~65 GB | ~240 Go |
| GPU minimal requis (en local) | Single H100 80GB (int4) | Single H100 DGX host (FP8) |
| Publié | 2025-04 | 2025-04 |
Principales différences
- Coût : Llama 4 Scout est 182% cheaper que Llama 4 Maverick sur une base de coût moyen par jeton.
- Contexte : Llama 4 Scout offre une fenêtre de contexte supérieure (10 M contre 1 M), ce qui le rend mieux adapté aux documents longs, aux grands bases de code et aux entrées volumineuses RAG.
- Ouverture : les deux modèles ont des poids ouverts, ce qui signifie qu’ils peuvent tous deux être auto-hébergés ou affinés. Comparez leurs besoins en VRAM ci-dessus pour déterminer quel modèle votre GPU peut exécuter.
- Exécutez Llama 4 Scout localement : ~~65 GB at 4-bit (min Single H100 80GB (int4)).
- Exécutez Llama 4 Maverick localement : ~~240 GB at 4-bit (min Single H100 DGX host (FP8)).
Lequel choisir ?
Choisir Llama 4 Scout si vous recherchez un coût inférieur par jeton pour des charges de travail à fort volume, ou si vous avez besoin d’une fenêtre de contexte plus grande.
Choisissez Llama 4 Maverick si celui-ci s’intègre bien à votre pile technologique existante ou si vous préférez Meta.
→ Estimez les coûts réels avec le Calculateur de coûts d’API · vérifiez la compatibilité de votre matériel local avec le calculatrice VRAM · parcourez l’ensemble des 30+ modèles.
Tarification API selon les fournisseurs
Aucun modèle n'est cher selon les standards de la frontière ; les deux sont tarifés comme une inférence open-weight de base. Les tarifs ci-dessous sont par 1M tokens et changent fréquemment.
| Fournisseur | Scout entrée/sortie | Maverick entrée/sortie |
|---|---|---|
| DeepInfra | $0.10 / $0.30 | $0.20 / $0.80 |
| Groq | $0.11 / $0.34 | — |
| DigitalOcean | — | $0.20 / $0.696 |
| NovitaAI | $0.18 / $0.59 | $0.27 / $0.85 |
| Parasail | — | $0.35 / $1.00 |
| Google Vertex | $0.25 / $0.70 | $0.35 / $1.15 |
Groq est à noter pour Scout : il est marginalement plus cher que DeepInfra mais offre une entrée en cache à 0,055 $ par 1M, ce qui compte beaucoup pour les boucles d'agents qui renvoient le même message système des milliers de fois. Parasail offre l'équivalent pour Maverick à 0,17 $.
Ce que cela coûte réellement
Supposez une charge de production modérée de 100M tokens d'entrée et 20M tokens de sortie par mois au tarif le plus bas du marché courant :
- Scout : (100 × 0,10 $) + (20 × 0,30 $) = 16 $/mois
- Maverick : (100 × 0,20 $) + (20 × 0,80 $) = 36 $/mois
À dix fois ce volume, l'écart devient 160 $ vs 360 $ par mois. Le ratio reste environ 2,25–2,3 × indépendamment de l'échelle, donc la décision ne porte pas vraiment sur les dollars absolus à petits volumes — elle porte sur le fait que l'avantage en raisonnement et codage de Maverick vaut le permanent doublement du coût unitaire. Calculez vos propres chiffres dans le Calculateur de coûts d’API.
Licence : lisez attentivement la clause relative à l’UE avant de développer
Les deux modèles sont fournis sous la Llama 4 Community License Agreement, qui est open-weight et utilisable commercialement mais n'est pas une source ouverte approuvée par l'OSI. Deux restrictions ont de l'importance en pratique. Premièrement, les produits dépassant 700 millions d'utilisateurs mensuels actifs nécessitent une licence séparée négociée avec Meta. Deuxièmement — et beaucoup plus susceptible de vous affecter — la licence restreint l'utilisation multimodale pour les entités et personnes physiques domiciliées dans l' Union européenne.
Si vous êtes une entreprise basée dans l'UE envisageant d'utiliser les capacités de vision, c'est une question juridique à résoudre avant d'écrire du code, pas après. Les équipes dans cette situation optent souvent pour un modèle open-weight alternatif avec une licence plus claire, comme une version Qwen ou GLM sous Apache-2.0 ou MIT.
Lequel choisir ?
Choisissez Llama 4 Scout si
- Votre charge est documents, OCR, formulaires, graphiques ou récupération — où les benchmarks montrent une quasi-parité
- Vous voulez auto-héberger sur un H100 unique, un Mac 128GB, ou une modest box GPU
- Le coût par token s'accumule à votre volume et vous voulez l'économie ~2,3 ×
- Vous avez besoin de la fenêtre de contexte la plus longue disponible et pouvez travailler dans les limites du fournisseur
- Vous êtes en phase de prototypage et recherchez le modèle multimodal open-weight le moins coûteux tout en restant performant
Choisissez Llama 4 Maverick si
- Votre charge de travail dépend réellement du raisonnement — questions scientifiques, analyse, logique multi-étapes
- Vous générez ou passez en revue du code, où l'écart sur LiveCodeBench atteint 32 % en termes relatifs
- Vous disposez déjà d'une infrastructure multi-GPU, ou vous l'utilisez déjà via une API
- Vous avez besoin de meilleures performances multilingues et de traduction, comme le montrent les résultats sur MGSM et MTOB
- La précision sur les problèmes complexes prime sur le fait de doubler votre coût par jeton
La voie pragmatique pour la plupart des équipes : commencez avec Scout, mesurez les performances, puis n'escaladez que les requêtes qui échouent. Comme les deux modèles acceptent le même format de prompt et les mêmes entrées multimodales, acheminer les requêtes difficiles vers Maverick tout en traitant la majorité avec Scout ne nécessite qu'un faible effort d'ingénierie et s'avère généralement plus efficace que de standardiser sur l'un ou l'autre modèle.
Questions fréquemment posées
Le modèle Llama 4 Maverick est-il meilleur que le modèle Llama 4 Scout ?
Sur le raisonnement et la programmation, la réponse est clairement oui — Maverick devance Scout de 12,6 points sur GPQA Diamond et de 10,6 points sur LiveCodeBench. En revanche, sur la compréhension de documents et de graphiques, les deux modèles sont pratiquement à égalité, obtenant tous deux un score identique de 94,4 sur DocVQA. Ce qui est « meilleur » dépend entièrement du fait que votre charge de travail soit axée sur le raisonnement ou sur l'extraction d'informations.
Puis-je vraiment exploiter la fenêtre de contexte de 10 millions de jetons de Llama 4 Scout ?
Pas via une API hébergée. Meta a entraîné Scout pour prendre en charge jusqu’à 10 millions de jetons, mais les fournisseurs proposent des plages allant de 128 K à environ 1,3 million — Groq plafonne à environ 131 K, DeepInfra à environ 320 K, et Together à environ 328 K. Atteindre les 10 millions nécessite un déploiement local (self-hosting), et le cache KV à cette profondeur devient plus volumineux que les poids du modèle eux-mêmes.
De combien de VRAM ai-je besoin pour exécuter Llama 4 Scout localement ?
Environ 65 Go en quantification 4 bits, y compris les surcoûts, ce qui tient sur une seule carte H100 de 80 Go — Meta confirme explicitement cette configuration. En FP8, il faut environ 109 Go, et en BF16 environ 218 Go. Un Mac Studio doté de 128 Go de mémoire unifiée peut exécuter le modèle en version quantifiée.
Llama 4 Maverick peut-il fonctionner sur une seule carte graphique ?
Non. En quantification 4 bits, il nécessite environ 240 Go de mémoire, ce qui implique l'utilisation d’environ quatre cartes H100. L'affirmation de Meta selon laquelle il tient « sur un seul hôte H100 » fait référence à un nœud comportant huit GPU fonctionnant en FP8, et non à une seule carte. En BF16, ses poids de 800 Go dépassent même la capacité d’un nœud à huit H100 de 640 Go.
De combien Scout est-il moins coûteux que Maverick ?
Environ 2,3 fois moins cher sur une base tarifaire combinée entrée/sortie de 3:1 — soit environ 0,15 $ par million de jetons combinés contre 0,35 $. Pour une charge mensuelle de 100 millions de jetons d’entrée et 20 millions de jetons de sortie, cela représente 16 $ contre 36 $.
Les modèles Llama 4 sont-ils libres d’utilisation commerciale ?
Pour la plupart. La licence communautaire Llama 4 autorise l’usage commercial, mais les produits dépassant 700 millions d’utilisateurs actifs mensuels requièrent un accord séparé avec Meta, et l’usage multimodal est restreint pour les entités établies dans l’Union européenne. Il s’agit d’un modèle à poids ouverts (open-weight), mais pas d’un logiciel libre conforme à la définition de l’Open Source Initiative (OSI).
Pourquoi le score de Llama 4 Maverick sur LMArena a-t-il suscité la controverse ?
Meta a soumis une « version expérimentale de discussion » non publiée, qui a obtenu un score ELO de 1417, mais dont les sorties ne correspondaient pas aux poids disponibles publiquement. Le 8 avril 2025, LMArena a modifié sa politique afin d'exiger que les soumissions open-weight correspondent exactement aux poids publiés ; le modèle non modifié a obtenu un classement nettement inférieur.
Conclusion
Scout et Maverick reposent sur le même moteur, mais avec des pools d'experts de tailles différentes, et le choix entre eux est remarquablement clair, car les benchmarks publiés par Meta tracent eux-mêmes la ligne de démarcation. Maverick justifie son surcoût sur le raisonnement de niveau universitaire et la génération de code, où les écarts à deux chiffres sont trop importants pour être contestés. En revanche, il n’apporte aucun avantage sur la compréhension de documents, domaine où il égale Scout tout en coûtant 2,3 fois plus cher par jeton et en exigeant un rack de centre de données plutôt qu’une seule carte GPU.
Deux mises en garde à retenir. La fenêtre de contexte de 10 millions de jetons annoncée pour Scout n’est pas disponible aujourd’hui en mode location — prévoyez plutôt environ 1,3 million de jetons, sauf si vous hébergez vous-même le modèle. Par ailleurs, le score de 1417 sur LMArena attribué à Maverick doit être totalement écarté de votre évaluation : il correspond à un modèle que personne ne peut télécharger. Évaluez les deux modèles à partir des benchmarks figurant sur leur fiche technique, et mieux encore, sur votre propre jeu de tests — l’écart entre le marketing des éditeurs et les poids effectivement livrés constitue la leçon principale de ce lancement.