Llama 4 Scout TPS kalkulátor

Otevřít váhy Meta AI 109B parametry April 2025

Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..

Vypočteno pro tento model

43 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Radeon Instinct MI200

64 GB · Q3_K_M · 13.4 tok/s

Nejrychlejší karta

B200

31.1 tok/s · 180 GB

Které GPU mohou spustit Llama 4 Scout?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Minimální kvalita

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

Hledat karty

Paměť karty

Také zobrazit karty, které to nemohou spustit.

43 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
31.1 tok/s 19–50 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	117.4 GB	Q8_0	Pohodlný
31.1 tok/s 19–50 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	117.4 GB	Q8_0	Pohodlný
30.1 tok/s 18–48 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	66.6 GB	Q4_K_M	Těsný
30.1 tok/s 18–48 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	66.6 GB	Q4_K_M	Těsný
28.8 tok/s 17–46 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	92.0 GB	Q6_K	Pohodlný
27.3 tok/s 16–44 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	79.3 GB	Q5_K_M	Těsný
24.8 tok/s 15–40 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	117.4 GB	Q8_0	Pohodlný
24.8 tok/s 15–40 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	117.4 GB	Q8_0	Pohodlný
23.5 tok/s 14–38 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	92.0 GB	Q6_K	Pohodlný
23.3 tok/s 14–37 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	79.3 GB	Q5_K_M	Těsný
23.3 tok/s 14–37 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	79.3 GB	Q5_K_M	Těsný
23.3 tok/s 14–37 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	79.3 GB	Q5_K_M	Těsný
21.2 tok/s 13–34 · nízká důvěra	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	54.0 GB	Q3_K_M	Těsný
19.0 tok/s 11–30 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	117.4 GB	Q8_0	Těsný
19.0 tok/s 11–30 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	117.4 GB	Q8_0	Těsný
18.3 tok/s 11–29 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	66.6 GB	Q4_K_M	Těsný
18.3 tok/s 11–29 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	66.6 GB	Q4_K_M	Těsný
18.3 tok/s 11–29 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	66.6 GB	Q4_K_M	Těsný
18.3 tok/s 11–29 · nízká důvěra	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	66.6 GB	Q4_K_M	Těsný
18.3 tok/s 11–29 · nízká důvěra	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	66.6 GB	Q4_K_M	Těsný
18.3 tok/s 11–29 · nízká důvěra	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	66.6 GB	Q4_K_M	Těsný
18.2 tok/s 11–29 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	117.4 GB	Q8_0	Pohodlný
17.4 tok/s 10–28 · nízká důvěra	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	66.6 GB	Q4_K_M	Těsný
17.4 tok/s 10–28 · nízká důvěra	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	66.6 GB	Q4_K_M	Těsný
16.1 tok/s 10–26 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	117.4 GB	Q8_0	Pohodlný

Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..

Na záznamu

Plná specifikace

Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..

Původ

Kdo vytvořil tento model, kde a kdy byl publikován.

Organizace: Meta AI
Typ organizace: Industry
Země: United States of America
Publikováno: 5 April 2025

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména: Multimodal, Language, Vision
Úkol: Chat, Code generation, Visual question answering, Language modeling/generation, Question answering

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry: 109B
Výcviková data: 30,000,000,000,000 tokens

Výpočty pro trénink

Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.

Výpočty pro trénink: 4.1 × 10²⁴ FLOP

Dostupnost

Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.

Hmotnosti: Open — downloadable
Přístup k modelu: Open weights (restricted use)
Tréninkový kód: Unreleased
Hugging Face: meta-llama

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Pravděpodobně nad 10²³ FLOP: Yes
Proč je to sledováno: Discretionary
Záznam důvěry: Likely

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Llama 4 Scout

Seřazeno podle odhadovaných tokenů za sekundu, nejnovější karta první, kde se rychlosti shodují. Protože generování je omezeno šířkou pásma paměti, toto řazení následuje šířku pásma spíše než jakýkoli herní benchmark..

Nejmenší GPU, které ještě běží Llama 4 Scout

Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..

Co čísla znamenají

Co je potřeba k provozování tohoto modelu

Minimum karta

Radeon Instinct MI200

Potřeba paměti

54.0 GB

Nejrychlejší

31.1 tok/s

Llama 4 Scout dosahuje počtu parametrů 109B. To dává nad spotřebitelský hardware, do oblasti, kde je karta kupována za tímto účelem spíše než přepracována pro něj. Počet karet, které sledujeme a které to mohou pojmout: 43.

Nejmenší karta, která to pojme, je Radeon Instinct MI200, s kapacitou VRAM 64 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 13.4 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B200, generování přibližně 31.1 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

O tomto modelu

Llama 4 Scout byl zveřejněn Meta AI, v zemi zaznamenané jako United States of America, během April 2025. Kategorie, do které vydavatel spadá, je industry.

funguje v oblasti Multimodal, Language, Vision, a je zaznamenán jako vykonávající úkol chat, Code generation, Visual question answering, Language modeling/generation, Question answering.

Protože byly jeho váhy uvolněny, nic ohledně jeho spuštění nezávisí na dostupnosti poskytovatele - je to vaše, jakmile je stáhnuto. Na Hugging Face je publikováno pod organizací meta-llama.

Jak rychle to běží a proč

Polovina karet, které to drží, zvládne více než 18.2 tokens za sekundu. Překračující rychlost čtení rovnou: 39 z nich

Každá váha se účastní každého tokenu zde, takže šířka pásma je celá historie: hodnocení níže je ve skutečnosti hodnocením propustnosti paměti.

Bez rozložení pozornosti v záznamu je sloupec paměti přibližný. Je dost blízko na to, aby se podle něj vybralo hardware, a je nejméně spolehlivý při dlouhém kontextu.

Jak bylo trénováno

Trenovací běh spotřeboval asi 4.1 × 10²⁴ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Tréninková sada běžela na přibližně 30,000,000,000,000 tokeny textu

Důvod, proč se to v tomto katalogu vůbec objevuje: discretionary.

Krok za krokem

Jak vybrat GPU pro Llama 4 Scout

Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.

01

Přečtěte si nejprve číslo paměti

Tabulka uvádí každou kartu, která je schopna pojmout Llama 4 Scout, potřebující kolem 54.0 GB při kompresi Q3_K_M. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.
02

Nastavte délku kontextu, se kterou budete pracovat

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro Llama 4 Scout.
03

Rozhodněte, jaké množství komprese přijmete

Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti., dosahující komprese Q3_K_M na nejmenší kartě, která se vejde. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
04

Hodnoťte podle propustnosti spíše než podle specifikace

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Llama 4 Scout. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 31.1 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě Llama 4 Scout. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
06

Podívejte se, co dalšího ta karta spouští

Každý název karty odkazuje na její vlastní stránku, která provádí stejný výpočet v celém katalogu modelů. Karta se obvykle kupuje pro více než jeden model, takže se vyplatí se podívat před tím, než koupíte. Llama 4 Scout.

Odpovědi

Llama 4 Scout — běžné otázky

Llama 4 Scout— kolik VRAM potřebuje?

Potřebuje asi 54.0 GB při kompresi Q3_K_M, která je ta nejmenší karta, která to používá. Méně komprese vyžaduje více: čísla ve sloupci paměti výše jsou přepočítána pro každou kartu, protože každá drží nejméně komprimovanou verzi, kterou může.

Llama 4 Scout— Je to OPEN SOURCE?

Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.

Llama 4 Scout— kolik má parametrů?

Má počet parametrů 109B. "Our smaller model, Llama 4 Scout, is a general purpose model with 17 billion active parameters, 16 experts, and 109 billion total parameters that delivers state-of-the-art performance for its class.". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Llama 4 Scout— Kdo to vytvořil?

Bylo to publikováno společností Meta AI, zakládající se na United States of America, organizace zařazená jako industry.

Llama 4 Scout— Kdy byl vydán?

Bylo to zveřejněno v April 2025.

Llama 4 Scout— K čemu se to používá?

funguje v oblasti Multimodal, Language, Vision, a je zaznamenáno jako zpracovávající úkol chat, Code generation, Visual question answering, Language modeling/generation, Question answering. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

Llama 4 Scout— kde si to mohu stáhnout?

Jeho váhy jsou publikovány na Hugging Face, pod organizací meta-llama. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.

Llama 4 Scout— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 4.1 × 10²⁴ FLOP. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.

Llama 4 Scout— Mohu to spustit, pokud se to nevejde do mé GPU?

Může být rozdělen mezi GPU kartu a systémovou paměť, ale v tomto případě se generuje bolestivě pomalu. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 23.4 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Llama 4 Scout— Běhalo by to rychleji na dvou GPU?

Dvě karty koupit paměť spíše než rychlost, což záleží pouze pokud jedna karta to nemůže udržet. Číslo, které může: 43. Takže druhá karta je tu zřídka odpovědí.

Llama 4 Scout— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 6. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Llama 4 Scout— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 19–50 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Llama 4 Scout— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Radeon Instinct MI200, s kapacitou VRAM 64 GB. Spouští model při kompresi Q3_K_M používající přibližně 54.0 GB, a produkuje přibližně 13.4 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 43.

Llama 4 Scout— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 31.1 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 39.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 28 November 2025

Druhý směr

Díváte se na to z druhé strany?

Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.

Všechny AI modely