🧠 語言模型MoELlama 4

Llama 4 Scout

Meta Llama 4 Scout，109B MoE（17B 激活），支援 1M 超長上下文和多模態，比 Maverick 更輕量，可在單機多 GPU 部署。

📅 發布：2025-04↻資料更新：2026年3月25日

VRAM 計算器

我的 GPU VRAM：

量化等級

上下文長度

Q4_K_M · 8K context

模型權重 + KV Cache + 0.5 GB overhead

66.6 GB

完整 VRAM 對照表（所有量化 × 上下文）

適合進階用戶，支援 CPU 和 GPU 混合推理，可精確控制量化等級。

# Download GGUF model from Hugging Face, then run:
./llama-cli -m model.gguf -p "Hello" -n 128

適合生產環境，支援批次推理和 OpenAI 相容 API。

pip install vllm
vllm serve LLaMA --dtype auto

參數量109B (A17B)

最大上下文1.024M tokens

HF 下載量241K/月

超長上下文多模態理解高效能MoE單機部署

vLLMSGLangllama.cpp

分享你的使用體驗，幫助其他人了解這個模型

0/1000

還沒有評論，成為第一個分享心得的人！