Llama 4 Scout

мультимодальная
русскоязычная

Llama 4 Scout — это самая легкая модель в новом поколении семейства Llama 4, выпущенном 5 апреля 2025 года. Llama 4 scout имеет архитектуру MoE 16 экспертами, 109 миллиардами параметров из которых постоянно активными являются только 17 миллиардов. Модель поддерживает нативную мультимодальность. Она способна одновременно обрабатывать на входе до 5 изображений плюс текст, что позволяет эффективно использовать её в задачах компьютерного зрения, таких как распознавание объектов, описание изображений и ответы на вопросы по изображениям. Генерация креативного текста, пошаговые рассуждения, программирование также относятся к сильным сторонам модели.

При этом Llama scout может эффективно работать всего на одном GPU H100, что делает ее привлекательной для локального развертывания, а за счет большего количества параметров Llama scout опережает на бенчмарках более легковесные модели в сегменте.

Но, пожалуй, самой главной фишкой модели является поддержка рекордного контекстного окна до 10 миллионов токенов! что делает модель идеально подходящей для работы с большими документами, кодом, многостраничными запросами и продолжительными диалоговыми сессиями.


Дата анонса: 05.04.2025
Параметров: 109B
Экспертов: 16
Активно параметров при инференсе: 17B
Контекст: 10486K
Слоев: 48, с полным вниманием: 12
Тип внимания: Chunked Attention
Разработчик: Meta AI
Версия Transformers: 4.51.0
Версия vLLM: 0.8.3
Лицензия: LLAMA 4

Публичный эндпоинт

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с Llama 4 Scout. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.
Наименование модели Контекст Тип GPU Статус Ссылка
Для данной модели пока нет публичных эндпоинтов.

Частный сервер

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

  • получить максимальную производительность эндпоинта,
  • получить полный контекст для обработки больших запросов и диалогов,
  • обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
  • использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Рекомендуемые конфигурации сервера для хостинга Llama 4 Scout

Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslaa2-6.32.128.160
250 000
pipeline
 6 147,44 ₽ 1,11 Запустить
teslaa10-4.16.128.160
250 000
tensor
 4 156,24 ₽ 1,47 Запустить
rtxa5000-4.16.128.160.nvlink
250 000
tensor
 4 209,04 ₽ 1,47 Запустить
teslaa100-1.16.128.160
250 000
 1 223,04 ₽ 0,97 Запустить
rtx3090-4.16.96.320
250 000
tensor
 4 264,96 ₽ 1,47 Запустить
rtx4090-4.16.96.320
250 000
tensor
 4 328,96 ₽ 1,47 Запустить
teslav100-3.64.256.320
250 000
pipeline
 3 347,52 ₽ 1,65 Запустить
h100-1.16.128.160
250 000
 1 353,04 ₽ 0,97 Запустить
h100nvl-1.16.96.160
250 000
 1 367,41 ₽ 1,89 Запустить
rtx5090-3.16.96.160
250 000
pipeline
 3 387,41 ₽ 1,65 Запустить
teslav100-4.32.96.160
250 000
tensor
 4 388,21 ₽ 3,57 Запустить
h200-1.16.128.160
250 000
 1 423,04 ₽ 4,98 Запустить
rtx5090-4.16.128.160
250 000
tensor
 4 513,04 ₽ 3,57 Запустить
teslaa100-8.44.704.160.nvlink
10 485 760
tensor
 8 1 669,81 ₽ 1,04 Запустить
h200-6.52.896.640
10 485 760
pipeline
 6 2 532,67 ₽ 1,43 Запустить
h200-8.52.1024.640
10 485 760
tensor
 8 3 335,19 ₽ 1,95 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
h200-1.16.128.240
250 000
 1 423,81 ₽ 1,50 Запустить
teslaa100-2.24.256.240
250 000
tensor
 2 440,74 ₽ 74,86 2,56 Запустить
rtx4090-8.44.256.240
250 000
tensor
 8 671,74 ₽ 49,91 3,57 Запустить
h100-2.24.256.240
250 000
tensor
 2 700,74 ₽ 68,07 2,56 Запустить
h100nvl-2.24.192.240
250 000
tensor
 2 729,47 ₽ 4,40 Запустить
rtx5090-6.44.256.240
250 000
pipeline
 6 791,74 ₽ 3,93 Запустить
rtx5090-8.44.256.240
250 000
tensor
 8 1 031,74 ₽ 7,78 Запустить
h200-6.52.896.640
10 485 760
pipeline
 6 2 532,67 ₽ 1,33 Запустить
h200-8.52.1024.640
10 485 760
tensor
 8 3 335,19 ₽ 1,85 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslaa100-4.16.256.480
250 000
tensor
 4 818,68 ₽ 4,45 Запустить
h200-2.24.256.320
250 000
tensor
 2 841,52 ₽ 2,32 Запустить
h100nvl-3.24.384.480
250 000
pipeline
 3 1 105,60 ₽ 2,13 Запустить
h100-4.16.256.480
250 000
tensor
 4 1 338,68 ₽ 4,45 Запустить
h100nvl-4.32.384.480
250 000
tensor
 4 1 450,00 ₽ 8,13 Запустить
h200-6.52.896.640
10 485 760
pipeline
 6 2 532,67 ₽ 1,10 Запустить
h200-8.52.1024.640
10 485 760
tensor
 8 3 335,19 ₽ 1,61 Запустить

Связанные модели

Llama 4 Maverick

Остались вопросы?

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.