Llama 4 Scout 17B-16E ofrece resultados de vanguardia para su clase de tamaño, que superan a las generaciones anteriores de Llama y a otros modelos abiertos y propietarios en varias comparativas. Cuenta con una arquitectura de MoE con 17,000 millones de parámetros activos de los 109,000 millones de parámetros totales y 16 expertos.
Llama 4 Scout 17B-16E es adecuado para tareas de recuperación dentro de contextos extensos y tareas que requieren razonamiento sobre grandes cantidades de información, como resumir varios documentos grandes, analizar registros extensos de interacción del usuario para la personalización y razonar en grandes bases de código.
Especificaciones de la API administrada (MaaS)
Probar en Agent Studio Ver la ficha del modelo en Model Garden
| ID de modelo | llama-4-scout-17b-16e-instruct-maas |
|
|---|---|---|
| Etapa de lanzamiento | DG | |
| Entradas y salidas compatibles |
|
|
| Funciones |
|
|
| Tipos de uso |
|
|
| Fecha límite de conocimiento | Agosto de 2024 | |
| Versiones |
|
|
| Regiones admitidas | ||
|
Disponibilidad del modelo |
|
|
|
Procesamiento de AA |
|
|
| Límites de cuota |
us-east5:
|
|
| Precios | Consulta la página de precios. | |
Implementa el modelo por tu cuenta
Para implementar el modelo por tu cuenta, navega a la tarjeta del modelo Llama 4 Scout 17B-16E en la consola de Model Garden y haz clic en Implementar modelo. Para obtener más información sobre la implementación y el uso de modelos de socios, consulta Implementa un modelo de socio y realiza solicitudes de predicción.
Consideraciones
- Puedes incluir un máximo de tres imágenes por solicitud.
- A diferencia de las versiones anteriores, el extremo de MaaS no usa Llama Guard. Para usar Llama Guard, impleméntalo desde Model Garden y, luego, envía las instrucciones y las respuestas a ese extremo. Sin embargo, en comparación con Llama 4, LlamaGuard tiene un contexto más limitado (128,000) y solo puede procesar solicitudes con una sola imagen al comienzo de la instrucción.
- No se admiten las predicciones por lotes.