Llama 4 Scout TPS-Rechner

Offene Gewichte Meta AI 109B Parameter April 2025

Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..

Für dieses Modell berechnet

43 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Radeon Instinct MI200

64 GB · Q3_K_M · 13.4 tok/s

Schnellste Karte

B200

31.1 tok/s · 180 GB

Welche GPUs können laufen Llama 4 Scout?

Setze die Eingaben, lies die Antwort

Kontextlänge Token

Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..

Minimale Qualität

Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..

Suchkarten

Karten-VRAM

Zeige auch Karten, die es nicht ausführen können.

43 Karten passen

Berechnung

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

Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation: Meta AI
Organisationsart: Industry
Land: United States of America
Veröffentlicht: 5 April 2025

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain: Multimodal, Language, Vision
Aufgabe: Chat, Code generation, Visual question answering, Language modeling/generation, Question answering

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Parameter: 109B
Trainingsdaten: 30,000,000,000,000 tokens

Training-Compute

Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.

Training-Compute: 4.1 × 10²⁴ FLOP

Verfügbarkeit

Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.

Gewichte: Open — downloadable
Modellzugang: Open weights (restricted use)
Training-Code: Unreleased
Hugging Face: meta-llama

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Wahrscheinlich über 10²³ FLOP: Yes
Warum es verfolgt wird: Discretionary
Aufzeichnungsgenauigkeit: Likely

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Llama 4 Scout

Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..

Die kleinsten GPUs, die immer noch laufen Llama 4 Scout

Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..

Was die Zahlen bedeuten

Was es braucht, um dieses Modell auszuführen

Minimale Karte

Radeon Instinct MI200

Benötigter Speicher

54.0 GB

Schnellste

31.1 tok/s

Llama 4 Scout erreicht eine Parameteranzahl von 109B. Das platziert es über Consumer-Hardware, in den Bereich, wo eine Karte für diesen Zweck gekauft wird, anstatt dafür umfunktioniert zu werden. Die Anzahl der Karten, die wir verfolgen, die es halten können: 43.

Die kleinste Karte, die es hält, ist Radeon Instinct MI200, mit einer MEMORY-KAPAZITÄT von 64 GB, es mit einer Kompression von Q3_K_M und produziert etwa 13.4 Token pro Sekunde

Die schnellste Berechnung dafür ist B200, generieren ungefähr 31.1 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Über dieses Modell

Llama 4 Scout wurde veröffentlicht von Meta AI, im Land aufgezeichnet als United States of America, während April 2025. Die Kategorie, in die der Herausgeber fällt, ist industry.

Es funktioniert im Bereich von Multimodal, Language, Vision, und wird als die Aufgabe von aufgezeichnet chat, Code generation, Visual question answering, Language modeling/generation, Question answering.

Da seine Gewichte veröffentlicht wurden, hängt nichts davon ab, es auszuführen, dass ein Anbieter verfügbar bleibt – es gehört dir, sobald es heruntergeladen ist. Es ist unter der Organisation auf Hugging Face veröffentlicht. meta-llama.

Wie schnell es läuft und warum

Die Hälfte der CARDS, die es halten, schaffen mehr als 18.2 Tokens pro Sekunde. Überschreitung der Lesegeschwindigkeit direkt: 39 von ihnen

Jedes Gewicht beteiligt sich hier an jedem Token, daher ist die Bandbreite die gesamte Geschichte: Das Ranking unten ist effektiv ein Ranking des Speicher-Durchsatzes.

Ohne das Attention-Layout in der Datei ist die Speicher-Spalte eine Annäherung. Sie ist nah genug, um Hardware auszuwählen, und am wenigsten zuverlässig bei langem CONTEXT.

Wie es trainiert wurde

Der Trainingslauf verbrauchte etwa 4.1 × 10²⁴ FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.

Der Trainingssatz lief auf etwa 30,000,000,000,000 Text-Tokens

Der Grund, warum es überhaupt in diesem Katalog erscheint: discretionary.

Schritt für Schritt

Wie wählt man eine GPU für Llama 4 Scout

Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..

01

Lese zuerst die MEMORY-Zahl

Die Tabelle listet jede Karte auf, die in der Lage ist, zu halten Llama 4 Scout, benötigt ungefähr 54.0 GB bei einer Kompression von Q3_K_M. Kein Maß an Rechenleistung kompensiert eine Karte, die es nicht halten kann.
02

Setzen Sie die CONTEXT LENGTH, an der Sie arbeiten werden.

Längere Gespräche kosten MEMORY zusätzlich zu dem, was die WEIGHTS benötigen. Bewege den Schieberegler auf deine tatsächliche Arbeitslänge, bevor du einer Zeile vertraust. Llama 4 Scout.
03

Entscheiden Sie, wie viel Kompression Sie akzeptieren werden.

Kompression ist das, was ein Modell auf kleinere GPU-Karten passt, mit einem gewissen Verlust an Genauigkeit., eine Kompression von Q3_K_M auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
04

Nach Durchsatz und nicht nach Spezifikationen sortieren

Die Geschwindigkeitsreihenfolge ist effektiv eine Reihenfolge nach Speicherbandbreite, für Llama 4 Scout. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist B200, bei 31.1 tok/s
05

Überprüfen Sie das Passurteil, bevor Sie kaufen.

Tight bedeutet, dass es lädt und ohne Spielraum funktioniert, um den Kontext später zu erhöhen, im Fall von Llama 4 Scout. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
06

Sieh, was diese Karte noch ausführen kann.

Jede Karte verlinkt auf ihre eigene Seite, die dieselbe Berechnung über den gesamten Modellkatalog ausführt. Eine Karte wird normalerweise für mehr als ein Modell gekauft, daher lohnt sich ein Blick, bevor man kauft. Llama 4 Scout.

Antworten

Llama 4 Scout — Häufige Fragen

Llama 4 Scout— Wie viel VRAM benötigt es?

Es benötigt etwa 54.0 GB bei einer Kompression von Q3_K_M, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.

Llama 4 Scout— Ist es Open-Source?

Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.

Llama 4 Scout— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 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.". Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.

Llama 4 Scout— Wer hat es erstellt?

Es wurde veröffentlicht von Meta AI, basiert auf United States of America, eine als kategorisierte Organisation industry.

Llama 4 Scout— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in April 2025.

Llama 4 Scout— Wofür wird es verwendet?

Es funktioniert im Bereich von Multimodal, Language, Vision, und wird als Bewältigung der Aufgabe von chat, Code generation, Visual question answering, Language modeling/generation, Question answering. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.

Llama 4 Scout— Wo kann ich es herunterladen?

Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation meta-llama. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.

Llama 4 Scout— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 4.1 × 10²⁴ FLOP. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.

Llama 4 Scout— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Es kann zwischen der GPU-Karte und dem Systemspeicher aufgeteilt werden, aber es wird auf diese Weise schmerzhaft langsam erzeugt. Die nächste verpasste Berechnung bleibt hinter 23.4 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Llama 4 Scout— Würden zwei GPUs es schneller ausführen?

Zwei Karten kaufen Speicher statt Geschwindigkeit, was nur wichtig ist, wenn eine Karte es nicht halten kann. Die Anzahl, die es kann: 43. So eine zweite Karte ist hier selten die Antwort.

Llama 4 Scout— Warum unterscheidet sich die Quantisierung zwischen Karten?

Eine größere Karte hält eine genauere Kopie. Die Anzahl der verwendeten Komprimierungsstufen über die Karten, die es ausführen: 6. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Llama 4 Scout— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 19–50 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Llama 4 Scout— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Radeon Instinct MI200, mit einer MEMORY-KAPAZITÄT von 64 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 54.0 GB, und produziert ungefähr 13.4 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 43.

Llama 4 Scout— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 31.1 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 39.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.

Alle KI-Modelle