🧠 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5月12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
10 GB
完整 VRAM 對照表（所有量化 × 上下文）
量化4K8K16K32K64K128K
Q4_K_M★9.8 GB10 GB11 GB13 GB16 GB22 GB
Q8_018 GB19 GB19 GB21 GB24 GB31 GB

部署指南

方法二：llama.cpp

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

方法三：vLLM（高效能伺服器）

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

規格

參數量109B (A17B)
最大上下文1.024M tokens
HF 下載量387K/月

模型強項

超長上下文多模態理解高效能MoE單機部署

推薦用途

  • ▸處理和分析超長文檔，例如法律合同、學術論文或技術手冊，進行資訊提取和摘要。
  • ▸整合文字與圖像資訊，進行複雜的內容創作、多模態問答或視覺輔助的決策支援。

標籤

MoE1M 上下文多模態

部署工具

vLLMSGLangllama.cpp

關於 Llama 4 Scout — 開源 AI 模型

Llama 4 Scout 是一個開源語言模型，擁有 109B (A17B) 參數，採用 Llama 4 授權。可使用 vLLM、SGLang、llama.cpp 進行部署。適用場景包括：處理和分析超長文檔，例如法律合同、學術論文或技術手冊，進行資訊提取和摘要。、整合文字與圖像資訊，進行複雜的內容創作、多模態問答或視覺輔助的決策支援。。核心優勢：超長上下文、多模態理解、高效能MoE、單機部署。 可在本地硬體上自行部署，完全保護隱私，無需 API 金鑰。

使用心得

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！