Meta: Llama 4 Scout

Meta: Llama 4 Scout är en språkmodell utvecklad av Meta. Det är en mixture-of-experts-modell som aktiverar 17 miljarder parametrar av totalt 109 miljarder, och den publiceras under namnet Llama 4 Scout 17B Instruct (16E). Den finns i textkategorin på api14, och dess kunskapsgräns är 2024-08-31.

Modellen tar emot text och bilder som indata och returnerar text. Dess kontextfönster är 1 310 720 tokens, vilket är tillräckligt stort för att rymma mycket långa dokument, kodbaser eller historik över flera turer i en enda begäran, och den maximala utdatalängden är 16 384 tokens. Inbyggd multimodalinmatning innebär att du kan skicka bilder tillsammans med textpromptar, så uppgifter som blandar en skärmbild, ett diagram eller ett foto med skriftliga instruktioner stöds direkt i stället för via en separat pipeline.

Dessa egenskaper pekar mot några praktiska användningsområden. Arbete med lång kontext, som att sammanfatta eller ställa frågor till långa rapporter, avtal eller utskrifter, passar det stora fönstret väl. Eftersom bilder accepteras som indata är dokumentförståelse, analys av diagram och skärmbilder samt visuell frågebesvarande rimliga tillämpningar. Tool calling och strukturerade utdata gör den lämplig för agenter och pipelines som behöver att modellen returnerar data i en fast form eller anropar externa funktioner, och mixture-of-experts-designen håller antalet aktiva parametrar på 17 miljarder, vilket är relevant om du bryr dig om serving-effektivitet snarare än rå skala.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "meta-llama/llama-4-scout". De begärandeparametrar som stöds är frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k och top_p. Den uppsättningen täcker samplingskontroller, deterministiska körningar via seed, stoppsekvenser, JSON- eller schemabegränsade svar genom response_format och structured_outputs, samt funktionsanrop genom tools och tool_choice.

Två begränsningar är värda att notera innan du satsar. Utdatat är begränsat till 16 384 tokens per svar, så arbete som kräver en mycket lång enskild komplettering måste delas upp över flera anrop. Kunskapsgränsen är 2024-08-31, så frågor om händelser efter det datumet beror på vad du tillhandahåller i prompten eller genom verktyg. Om din uppgift är helt och hållet text och inte behöver det stora kontextfönstret eller bildinmatning, kan en mindre modell vara ett enklare val.