Llama 4 Scout

1,000万トークンのコンテキスト - オープンモデル史上最長のウィンドウ

Llama 4 Scout は Meta の長文コンテキスト特化モデルです。総パラメータ109B、16エキスパートで1トークンあたり17Bアクティブ、10Mトークンのコンテキストウィンドウにより、コードベース全体、複数ドキュメントのリサーチライブラリ、長時間の会話履歴を一度の呼び出しで処理できます。

チャットを始めるベンチマークを見る

モデルバリエーション

指示チューニング済みモデルとベースモデル

チャットや長文コンテキストタスクに最適化された指示チューニング済みバリアント、またはファインチューニングやカスタム用途向けのベースモデルから選べます。

Mixture-of-Experts アーキテクチャ

総パラメータ109B、トークンあたり17Bアクティブ

Llama 4 Scout は16エキスパートのスパース MoE 設計を採用し、フォワードパスごとに17Bパラメータをアクティブにします。最大の特徴は1,000万トークンのコンテキストウィンドウで、公開モデルとして最長です。

大量のテキスト処理が必要なタスクに最適です。コードベース全体、複数ドキュメント分析、長い研究論文、長時間の会話履歴などに対応します。

チャットを始める機能を見る

指示チューニング済み

Scout Instruct

会話 AI と長文コンテキストタスクに最適化

指示追従、マルチターン対話、超長文入力の処理向けにファインチューニング済み

利用可能

チャットを始める重みをダウンロード

事前学習済み

Scout Base

ファインチューニングや特化用途向けの基盤 MoE モデル

16エキスパートルーティングで多様なマルチモーダルデータを事前学習

利用可能

HuggingFace で見るドキュメント

機能

大規模コンテキストとマルチモーダル理解のために設計

Llama 4 Scout は前例のない10Mトークンのコンテキストウィンドウに、MoE の効率性、ネイティブマルチモーダル対応、強力な推論能力を組み合わせています。

10Mトークンのコンテキストウィンドウ

公開モデルとして最長のコンテキストウィンドウです。コードベース全体、複数ドキュメントのリサーチライブラリ、長時間の会話を一度の呼び出しで処理できます。

MoE の効率性

109Bプールの16エキスパートから、トークンあたり17Bパラメータのみをアクティブにします。密なモデルの数分の一の計算コストで高い性能を発揮します。

大規模コード分析

リポジトリ全体をコンテキストに読み込み、ファイル横断の分析、依存関係の追跡、大規模リファクタリングに対応します。

エージェントワークフロー

ネイティブの関数呼び出しとツール使用をサポートし、自律エージェントを実現します。ファインチューニングなしで複数ツールを連携するワークフローを構築できます。

多言語対応

複数言語で高い性能を発揮し、グローバルなアプリケーション向けに文化的コンテキストも理解します。

ネイティブマルチモーダル

早期融合アーキテクチャでテキストと画像を一緒に処理します。スクリーンショット、図表、ドキュメントをテキストと併せて分析できます。

主なハイライト

Scout のコンテキストウィンドウが重要な理由

10Mトークンのコンテキストウィンドウは、1回のモデル呼び出しで可能なことを根本的に変えます。

10Mトークンに収まるもの

中規模コードベース全体（数百ファイル、5万行以上）
複数の研究論文や書籍1冊分
数時間分の会議録や会話履歴
複雑なシステムの完全なドキュメントセット
Needle-in-a-Haystack テストで8Mトークンまで95%以上の検索精度

技術仕様

総パラメータ109B、トークンあたり17Bアクティブ
MoE アーキテクチャで16エキスパート
10Mトークンのコンテキストウィンドウ
ネイティブマルチモーダル（テキスト＋画像）
Llama 3.1 互換ライセンス

無料チャットを始める重みをダウンロード

性能

競争力のある推論を備えた長文コンテキスト特化モデル

Llama 4 Scout は標準ベンチマークで高い性能を発揮しつつ、長文ドキュメントタスク向けに他に類を見ない10Mトークンのコンテキストウィンドウを提供します。

Scout は大量のコンテキスト処理が必要なタスクに最適化されています。ベンチマークスコアでは Maverick がリードしますが、Scout の10Mコンテキストウィンドウは長文ドキュメントワークフローにおいて明確な選択肢です。

チャットを始めるモデルカードを見る

10Mトークンのコンテキストウィンドウ - オープンモデル最長

8Mトークンまで95%以上の検索精度

総109Bから17Bアクティブパラメータ（16エキスパート）

アクティブパラメータ数が2〜3倍のモデルと競争力あり

テキストと画像入力のネイティブマルチモーダル対応

ベンチマーク比較

Scout vs Maverick と Llama 4 ファミリー

Scout は一部のベンチマークスコアを犠牲にして、圧倒的なコンテキストウィンドウの優位性を実現しています。

Benchmark	Llama 4 Scout 16エキスパート注目	Llama 4 Maverick 128エキスパート	Llama 3.1 70B Dense
MMLU Pro 知識と推論	74.3%	80.5%	66.4%
GPQA Diamond 科学知識	57.2%	69.8%	46.7%
LiveCodeBench v5 コーディング	32.8%	43.4%	28.5%
MMMU マルチモーダル	69.4%	73.4%	-
Context Window 最大トークン数	10M	1M	128K
Total Parameters モデルサイズ	109B	400B	70B
Active Parameters トークンあたり	17B	17B	70B