हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
Meta: Llama 4 Scout
meta-llama/llama-4-scoutMeta: Llama 4 Scout अभी आज़माएं
ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
एक API. हर मॉडल.
सेशन लागत $0.00
सेटिंग्स
उन्नत पैरामीटर
Meta: Llama 4 Scout एक नज़र में
- इनपुट कीमत 434 टेक्स्ट मॉडल के मीडियन से 78% कम है।
- 13,10,720 tokens की context window, लंबे दस्तावेज़ों और कई चरणों वाली बातचीत के लिए काफी।
- agents और integrations के लिए tool (function) calling सपोर्ट करता है।
- schema के साथ structured JSON output सपोर्ट करता है।
- इनपुट के रूप में इमेज स्वीकार करता है (vision)।
- एक सामान्य request (1,000 इनपुट / 500 आउटपुट tokens) की लागत लगभग $0.000875 है।
Meta: Llama 4 Scout के बारे में
मेटा: Llama 4 Scout मेटा द्वारा विकसित एक भाषा मॉडल है। यह एक मिश्रण-के-विशेषज्ञ मॉडल है जो कुल 109 बिलियन में से 17 बिलियन पैरामीटर सक्रिय करता है, और इसे Llama 4 Scout 17B Instruct (16E) नाम से प्रकाशित किया गया है। यह api14 पर टेक्स्ट श्रेणी में बैठता है, और इसका ज्ञान कटऑफ 2024-08-31 है।
मॉडल इनपुट के रूप में टेक्स्ट और छवियाँ स्वीकार करता है और टेक्स्ट लौटाता है। इसकी संदर्भ विंडो 1,310,720 टोकन है, जो इतनी बड़ी है कि एक ही अनुरोध में बहुत लंबे दस्तावेज़, कोडबेस या बहु-चरण इतिहास रख सकती है, और अधिकतम आउटपुट लंबाई 16,384 टोकन है। मूल बहुविध इनपुट का अर्थ है कि आप टेक्स्ट प्रॉम्प्ट के साथ छवियाँ भेज सकते हैं, इसलिए स्क्रीनशॉट, आरेख या फ़ोटो को लिखित निर्देशों के साथ मिलाने वाले कार्य सीधे समर्थित हैं, न कि किसी अलग पाइपलाइन के माध्यम से।
ये क्षमताएँ कुछ व्यावहारिक उपयोगों की ओर संकेत करती हैं। लंबी-संदर्भ वाला कार्य जैसे लंबी रिपोर्ट, अनुबंध या प्रतिलेख का सारांश बनाना या उनसे प्रश्न पूछना बड़ी विंडो के साथ अच्छी तरह फिट बैठता है। चूँकि छवियाँ इनपुट के रूप में स्वीकार की जाती हैं, दस्तावेज़ समझ, चार्ट और स्क्रीनशॉट विश्लेषण, और दृश्य प्रश्न उत्तर उचित फिट हैं। टूल कॉलिंग और संरचित आउटपुट इसे उन एजेंट और पाइपलाइन के लिए उपयुक्त बनाते हैं जिन्हें मॉडल से किसी निश्चित आकार में डेटा वापस चाहिए या बाहरी फ़ंक्शन को इनवोक करना होता है, और मिश्रण-के-विशेषज्ञ डिज़ाइन सक्रिय पैरामीटर संख्या को 17 बिलियन पर रखता है, जो प्रासंगिक है यदि आप कच्चे पैमाने के बजाय सर्विंग दक्षता की परवाह करते हैं।
आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "meta-llama/llama-4-scout" का उपयोग करके कॉल करते हैं। समर्थित अनुरोध पैरामीटर हैं frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k और top_p। यह सेट सैंपलिंग नियंत्रण, seed के माध्यम से नियतात्मक रन, स्टॉप अनुक्रम, response_format और structured_outputs के माध्यम से JSON या स्कीमा-सीमित प्रतिक्रियाएँ, और tools और tool_choice के माध्यम से फ़ंक्शन कॉलिंग को कवर करता है।
प्रतिबद्ध होने से पहले दो सीमाएँ ध्यान देने योग्य हैं। आउटपुट प्रति प्रतिक्रिया 16,384 टोकन तक सीमित है, इसलिए जिस कार्य के लिए बहुत लंबा एकल पूर्णन चाहिए उसे कॉलों में विभाजित करना होगा। ज्ञान कटऑफ 2024-08-31 है, इसलिए उस तारीख के बाद की घटनाओं के बारे में प्रश्न इस पर निर्भर करते हैं कि आप प्रॉम्प्ट में या tools के माध्यम से क्या आपूर्ति करते हैं। यदि आपका कार्य विशुद्ध रूप से टेक्स्ट है और उसे बड़ी संदर्भ विंडो या छवि इनपुट की आवश्यकता नहीं है, तो एक छोटा मॉडल सरल विकल्प हो सकता है।
Meta: Llama 4 Scout API कैसे कॉल करें
- अपने dashboard में API key बनाएं।
- अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
- baseURL को https://api14.com/api/v1 और model को "meta-llama/llama-4-scout" पर सेट करें।
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "meta-llama/llama-4-scout",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
समर्थित parameters
frequency_penaltylogit_biasmax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_pस्पेसिफिकेशन
- Context लंबाई
- 13,10,720
- अधिकतम आउटपुट
- 16,384
- इनपुट
- text, image
- आउटपुट
- text
- Knowledge cutoff
- 2024-08-31
api14 पर requests · पिछले 7 दिन
Meta: Llama 4 Scout: अक्सर पूछे जाने वाले सवाल
- Meta: Llama 4 Scout API की कीमत कितनी है?
- Meta: Llama 4 Scout की कीमत इनपुट $0.35 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
- Meta: Llama 4 Scout की context window कितनी है?
- Meta: Llama 4 Scout हर request में 13,10,720 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 16,384 आउटपुट tokens तक लिखता है।
- Meta: Llama 4 Scout क्या कर सकता है?
- Meta: Llama 4 Scout text, image स्वीकार करता है और text लौटाता है। यह tool calling, structured JSON output सपोर्ट करता है।
- अपने कोड से Meta: Llama 4 Scout कैसे कॉल करूं?
- किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "meta-llama/llama-4-scout" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
- Meta: Llama 4 Scout के विकल्प क्या हैं?
- मिलती-जुलती कीमत वाले टेक्स्ट मॉडल: NVIDIA: Nemotron 3.5 Content Safety, StepFun: Step 3.5 Flash, Mistral: Ministral 3 14B 2512। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।
Meta: Llama 4 Scout कम्युनिटी
नया टॉपिकइस कम्युनिटी में अभी कोई टॉपिक नहीं है। Meta: Llama 4 Scout के बारे में पहला टॉपिक खोलें।