ai.canshu.com
EN
显存计算器 配机与回本向导 API 价格 同屏 PK 对比 模型库 排行榜 显卡库

全局搜索模型、显卡与工具

↑↓ 移动 · Enter 直达 · ★ 优先展示我的关注 ai.canshu.com
Meta
开源权重 Meta · MoE 109B / A17B · Text+Image · BF16 / FP8

Llama-4-Scout-109B-A17B (MoE) 模型架构参数、评测与显存全表

Meta 16 专家 109B 总参 / 17B 激活多模态模型,128GB 统一内存主机(Mac Studio / AI Max+ 395)甜点之选。

🧬 Llama-4-Scout-109B-A17B (MoE) 底层网络与张量参数总表 (Model Overview & config.json)

全部字段同步自官方 HuggingFace 仓库 (meta-llama/Llama-4-Scout-17B-16E-Instruct) 的 config.json 与技术报告 · 核验日期 2026-11-20

HF Class: Llama4ForConditionalGeneration

1. 骨干网络与维度参数

llama4
总参数量 / 单步激活
109B / 17B
Hidden Size (d_model)
5,120
FFN Intermediate Size
8,192
MoE 专家配置
16 路由 · 激活1 + 1 共享
激活函数 / RMSNorm
SiLU (SwiGLU) · ε=1e-5
原生权重精度
BF16 / FP8

2. 注意力机制与混合层拓扑

GQA
Transformer 总层数
48 层
网络层排布 (Hidden Layout)
48 层 iRoPE 交错无位置编码注意力的多模态 MoE (16 路由专家 + 1 共享专家)
注意力头 (Q / KV)
40 Q / 8 KV (5:1 GQA)
Head Dimension
128
线性注意力 / KV 压缩机制
iRoPE (交错 RoPE + 局部温度缩放 NoPE 层),支持最高 1000 万 (10M) 上下文寻址
视觉编码器 / MTP 头
ViT 34L

3. 上下文、位置编码与词表

Tokenizer
原生上下文长度
10,485,760 tokens
旋转位置编码 (RoPE)
iRoPE (θ=500,000 · max_position_embeddings=10,485,760 / 10M)
词表大小 (vocab_size)
202,048 (独立输出头)
特殊控制 Token ID
BOS: 200000 · EOS: [200001,200007,200008] · PAD: 200018

📋 Llama-4-Scout-109B-A17B (MoE) 官方 API 技术规格与计费参数总表

核验自 Meta 官方开发者文档与公开定价页(核验日期 2026-11-20)

API Model ID: meta-llama/llama-4-scout

1. 模型标识与能力开关

API Spec
官方调用 Model ID
meta-llama/llama-4-scout
版本发布日期
2025-04-05
权重授权形态
开源权重 (云端 API 规格)
原生深度推理思考
—
Function Calling & JSON Schema
✅ 原生支持
Batch API 异步批处理
✅ 支持 (通常享 5 折)

2. 上下文、输出上限与模态

Limits
最大输入上下文窗口
1,024,000 tokens (1024K)
单次最大输出上限
16,000 tokens
支持输入模态
Text + Image
支持输出模态
Text
中国大陆网络直连
✅ 国内极速直连 + 人民币结算
分发与部署形态
开源权重 + 托管云 API

3. 官方 Token 单价与缓存阶梯

USD / 1M
标准输入单价 (每百万)
$ 0.1
Prompt 缓存命中输入
$ 0.1
标准输出单价 (每百万)
$ 0.3
长上下文阶梯与计费备注
OpenRouter:超长上下文轻量 MoE 低成本路由(OpenRouter 国内可直连,支持支付宝/外币卡)

🏆 Llama-4-Scout-109B-A17B (MoE) 官方基准评测成绩单

摘录自官方 System Card / Model Card 与权威公开横评表

Arena Elo ~1438 AA Index 42
📚 知识与指令
MMLU 79.6 %

大规模多任务语言理解基准,覆盖 STEM 理工、人文、社科及医学法律等 57 个学科的综合知识测试。

📚 知识与指令
MMLU-Pro 74.3 %

MMLU 进阶推理增强版,将选项从 4 个扩充至 10 个并剔除简单记忆题,重点考察跨学科复杂计算与多步逻辑推理。

🧠 数学与深度推理
GPQA Diamond 57.2 %

研究生级物理、化学与生物高难防搜索推理选择题

🧠 数学与深度推理
MATH 50.3 %

包含 12,500 道源自 AMC 10/12 与 AIME 等赛事的高中数学竞赛题集,跨 7 个学科分支与 5 个难度等级。

👁️ 视觉与多模态
MathVista 70.7 %

融合 31 个子数据集共 6,141 道题的视觉数学与科学图表综合推理评测基准。

👁️ 视觉与多模态
MMMU 69.4 %

大规模多学科多模态理解基准,汇集大学考试与教材中的 1.15 万道图表、公式、电路图与医学影像专业推理题。

💻 代码工程
LiveCodeBench 32.8 %

持续从 LeetCode、AtCoder 与 CodeForces 采集最新赛题的无污染代码生成与算法推理基准。

🎛️ 官方调用采样与思考参数指南

API / 推理引擎调用时的最佳超参数与约束说明

官方默认对话与多模态配置 (generation_config.json)
temperature=0.6 top_p=0.9 max_tokens=16,384

📊 Llama-4-Scout-109B-A17B (MoE) 全量评测成绩与维度排名

共 11 项公开评测 · 排名为在本站 154 款有评测数据模型中的名次 · 数据同步于 2026-11-20

⚔️ 和其他模型逐项比分

来源:ZeroEval / llm-stats.com 公开评测聚合(✓ 为第三方验证,其余为厂商官方自报)。点击任一评测可查看全库排名。

⚡ Llama-4-Scout-109B-A17B (MoE) 本地显存占用 & 实时吐字速度计算器

并发请求数 (Batch):
MoE 109B / A17B·48L (d=5120)·40Q/8KV·Ctx 1M·Text+Image
该设备兼容榜 →
128 GB 统一内存·614 GB/s·安全可用上限 108.8 GB
流畅可跑71.92 / 108.8 GB~34 tok/s
3. 权重量化精度
4. 单并发上下文窗口16K (16,384 tok)
参数核验:2026-11-20·带宽与算力屋顶模型估算(当前并发=1)
流畅可跑
71.92/ 108.8 GB 可用显存

物理总容量 128 GB · 占用率 66.1%

理论带宽解码速度 (Decode)
~34tokens/s

MoE 架构:每步仅读取 10.31 GB 激活权重

当前并发 (1x) 最大可开窗口
199K/ 1M

高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限

模型权重: 66.08 GBKV Cache (1×16K): 3.22 GB框架开销: 2.62 GB
统一内存默认预留约 15% 给操作系统
🏃 丝滑顺畅(超越人眼阅读)生成 500 Token 回答约需 14.7 秒
参考启动命令:
OLLAMA_CONTEXT_LENGTH=16384 ollama run llama4:scout

Mac Studio M5 Max 128G 可运行 Llama-4-Scout-109B-A17B (MoE) · 硬件成本与回本参考

参考均价约 ¥27,999(折合 ¥219/GB)· 满载约 120W

📊 Llama-4-Scout-109B-A17B (MoE) 各量化精度显存占用对照表 (16K 上下文)

量化格式 等效位数 纯权重体积 KV Cache (16K) 总显存需求 精度评价
FP16 / BF16 16 bpw 218 GB 3.22 GB 226.88 GB 无损原精度
FP8 / Q8_0 8.5 bpw 115.81 GB 3.22 GB 122.65 GB 99.9% 接近无损
GGUF Q6_K 6.56 bpw 89.38 GB 3.22 GB 95.69 GB 极高画质 · 严肃编码
GGUF Q5_K_M 5.69 bpw 77.53 GB 3.22 GB 83.6 GB 高均衡度
Q4_K_M / AWQ 4.85 bpw 66.08 GB 3.22 GB 71.92 GB 黄金甜点(推荐)
GGUF IQ4_XS 4.25 bpw 57.91 GB 3.22 GB 63.59 GB 省显存优选
GGUF Q3_K_M 3.91 bpw 53.27 GB 3.22 GB 58.86 GB 轻度智商折损
GGUF Q2_K 3.15 bpw 42.92 GB 3.22 GB 48.3 GB 极限压缩尝鲜

🖥️ 主流显卡、Mac 与国产卡运行 Llama-4-Scout-109B-A17B (MoE) (Q4_K_M) 兼容性列表

常见问题解答 (FAQ)

Llama-4-Scout-109B-A17B (MoE) 的核心网络架构参数(层数、隐藏维度、注意力头、词表)是多少?

Llama-4-Scout-109B-A17B (MoE) 底层架构为 Llama4ForConditionalGeneration,共 48 层(48 层 iRoPE 交错无位置编码注意力的多模态 MoE (16 路由专家 + 1 共享专家)),隐藏层维度 hidden_size=5120,注意力头配置为 40 个 Query 头 / 8 个 KV 头(head_dim=128),词表大小 vocab_size=202,048,原生上下文窗口 10,485,760 tokens。

Llama-4-Scout-109B-A17B (MoE) 本地部署至少需要多少 GB 显存?

在主流 4-bit 量化(GGUF Q4_K_M / AWQ,16K 上下文)下,Llama-4-Scout-109B-A17B (MoE) 共需约 71.92 GB 显存(含权重 66.08 GB + KV 缓存 3.22 GB + 系统开销 2.62 GB)。无损 FP16/BF16 则需约 226.88 GB。

Llama-4-Scout-109B-A17B (MoE) 官方推荐的采样参数(Temperature / Top-P)是多少?

依据官方 generation_config.json 与最佳实践,在「官方默认对话与多模态配置 (generation_config.json)」下建议设置 temperature=0.6、top_p=0.9。