Meta: Llama 4 Scout

Meta: Llama 4 Scout adalah model bahasa yang dikembangkan oleh Meta. Ini adalah model mixture-of-experts yang mengaktifkan 17 miliar parameter dari total 109 miliar, dan dipublikasikan dengan nama Llama 4 Scout 17B Instruct (16E). Model ini berada di kategori teks pada api14, dan knowledge cutoff-nya adalah 2024-08-31.

Model ini menerima teks dan gambar sebagai input dan mengembalikan teks. Context window-nya adalah 1.310.720 token, yang cukup besar untuk menampung dokumen yang sangat panjang, basis kode, atau riwayat multi-turn dalam satu permintaan, dan panjang output maksimumnya adalah 16.384 token. Input multimodal native berarti Anda dapat mengirim gambar bersama prompt teks, sehingga tugas yang menggabungkan screenshot, diagram, atau foto dengan instruksi tertulis didukung secara langsung, bukan melalui pipeline terpisah.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Pekerjaan dengan konteks panjang seperti merangkum atau menanyakan laporan, kontrak, atau transkrip yang panjang cocok dengan window besar ini. Karena gambar diterima sebagai input, pemahaman dokumen, analisis grafik dan screenshot, serta visual question answering juga cocok. Tool calling dan structured outputs membuatnya sesuai untuk agen dan pipeline yang membutuhkan model mengembalikan data dalam bentuk tetap atau memanggil fungsi eksternal, dan desain mixture-of-experts menjaga jumlah parameter aktif di 17 miliar, yang relevan jika Anda peduli pada efisiensi penyajian daripada skala mentah.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "meta-llama/llama-4-scout". Parameter permintaan yang didukung adalah frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k dan top_p. Kumpulan itu mencakup kontrol sampling, eksekusi deterministik melalui seed, stop sequences, respons JSON atau yang dibatasi skema melalui response_format dan structured_outputs, serta function calling melalui tools dan tool_choice.

Dua batasan perlu diperhatikan sebelum Anda memutuskan. Output dibatasi pada 16.384 token per respons, jadi pekerjaan yang membutuhkan satu penyelesaian yang sangat panjang harus dipecah menjadi beberapa panggilan. Knowledge cutoff-nya adalah 2024-08-31, jadi pertanyaan tentang peristiwa setelah tanggal itu bergantung pada apa yang Anda berikan dalam prompt atau melalui tools. Jika tugas Anda murni teks dan tidak membutuhkan context window besar atau input gambar, model yang lebih kecil mungkin menjadi pilihan yang lebih sederhana.