Llama 4 Scout和Maverick有什么区别？

2025 年 4 月 5 日，Meta 发布了最新一代开源ai模型Llama 4，其中包括 Llama 4 Scout 和 Llama 4 Maverick。这两款AI模型都是首批采用混合专家（MoE）架构的多模态模型，他们有什么区别呢？

Llama 4 Scout 和 Llama 4 Maverick 的主要区别：

Llama 4 Scout

• 参数规模：170 亿个活跃参数，16 个“专家”模型，总参数量为 1090 亿。

• 上下文窗口：支持高达 1000 万个 token 的上下文窗口，这使得它在处理冗长文档时表现尤为优异。

• 应用场景：擅长文档摘要和基于大型代码库的推理，适合需要高效推理和长文本处理的场景。

• 硬件需求：可以在单个 NVIDIA H100 GPU 上运行，通过 Int4 量化后，资源需求较低。

Llama 4 Maverick

• 参数规模：170 亿个活跃参数，128 个“专家”模型，总参数量高达 4000 亿。

• 上下文窗口：支持 100 万个 token 的上下文窗口。

• 应用场景：在创意写作、代码生成、翻译、推理、长文本上下文总结和图像基准测试中表现超过了 OpenAI 的 GPT-4o 和谷歌的 Gemini 2.0 等模型。

• 硬件需求：需要在 NVIDIA H100 DGX 主机或同等性能的设备上运行。

两者比较

• 性能：Maverick 在多模态任务和推理能力上表现更强，而 Scout 在长文本处理和文档摘要方面更具优势。

• 资源需求：Scout 更适合资源受限的场景，因为它可以在单个 GPU 上运行；Maverick 则需要更高的硬件配置。

• 应用场景：Scout 适用于需要处理大量文本的场景，如文档处理和代码推理；Maverick 更适合需要多模态交互和复杂推理的任务，如创意写作和图像处理。

推理成本

• Llama 4 Scout：由于其较小的模型规模和高效的量化技术，推理成本相对较低，适合需要快速响应和低资源消耗的应用。

• Llama 4 Maverick：虽然其总参数量更大，但由于采用了混合专家架构，其推理成本也得到了优化。Meta 估计，Llama 4 Maverick 的推理成本为每 100 万个 tokens 0.19 美元至 0.49 美元（输入和输出比例为 3:1），这使得它比像 GPT-4o 这样的专有模型便宜得多。

Llama 4 Scout 更适合需要处理长文本和资源受限的场景，而 Llama 4 Maverick 则在推理和代码生成能力上表现出色，适合需要高性能和多模态处理的应用。两者都通过混合专家架构实现了高效的资源利用，但具体的资源需求和成本取决于你自身的应用场景和硬件。