Hoppa till innehåll
Meta· Analys

Llama 4 Scout: Metas multimodala MoE-modell med jättekontext

Metas multimodala modell Llama 4 Scout kombinerar 109 miljarder parametrar med MoE-arkitektur och ett kontextfönster på 10 miljoner tokens för självhanterad drift.

Av Aheadline-redaktionen·17 nov. 2026·2 min läsning·Källa: Entity-watch: Meta AIVerifierad signalAI-genererad
Llama 4 Scout: Metas multimodala MoE-modell med jättekontext
Llama 4 Scout: Metas multimodala MoE-modell med jättekontext
Llama 4 Scout: Metas multimodala MoE-modell med jättekontext
Av · Policy- & EU-reporter
Vad betyder det för mig?

Vad har hänt?

Meta har presenterat tekniska detaljer kring Llama 4 Scout, en multimodal öppen modell (open-weight) för text och bild. Modellen använder en Mixture-of-Experts-arkitektur med 109 miljarder parametrar totalt, varav 17 miljarder aktiveras vid varje enskild inferens. Llama 4 Scout erbjuder dessutom ett kontextfönster på upp till 10 miljoner tokens.

Snabbfakta

Totalt antal parametrar109 miljarder
Aktiva parametrar vid inferens17 miljarder
KontextfönsterUpp till 10 miljoner tokens

Varför spelar det roll?

Llama 4 Scout möjliggör multimodal analys av extremt stora datamängder lokalt utan att förlita sig på proprietära API:er. Genom MoE-arkitekturen hålls beräkningskostnaden per inferens nere, trots att den totala modellkapaciteten är stor.

Vem påverkas?

Modellen riktar sig främst till produktteam, AI-ingenjörer och organisationer som bygger egna system och vill köra multimodala modeller under självhanterad infrastruktur. Organisationer måste dock följa villkoren i Metas specifika community-licens.

Hur påverkas EU?

Ej relevant för EU-status. Källan nämner inga specifika regulatoriska hinder eller anpassningar för EU-marknaden.

Vad mer bör du veta?

Modellen bygger på tidig fusion mellan text och bild, vilket innebär att visuell information hanteras integrerat genom hela arkitekturen. För produktteam innebär dock den totala vikten på 109 miljarder parametrar krav på avancerad infrastruktur vid egen hosting.

Vanliga frågor

Snabba svar om den här nyheten

Vad har hänt?
Meta har detaljerat Llama 4 Scout, en multimodal öppen AI-modell med MoE-arkitektur, 109 miljarder parametrar och upp till 10 miljoner tokens i kontextfönster.
När hände det?
Analysen och detaljerna kring modellen publicerades den 17 november 2024.
Varför spelar det roll?
Den ger utvecklingsteam tillgång till avancerad multimodal bearbetning och långt kontextfönster för lokal drift utan proprietära moln-API:er.
Hur fungerar MoE-arkitekturen i Llama 4 Scout?
Modellen har 109 miljarder parametrar totalt, men tack vare MoE aktiveras endast 17 miljarder parametrar vid varje enskild beräkning.
Originalkälla
Entity-watch: Meta AI·dev.to

Länken öppnar i nytt fönster och leder till utgivarens egen sida.

Verifierad signal

Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.

AI-verktyg i artikeln

Ämnen

#Meta
[ FÖLJ UTVECKLINGEN ]

Få liknande nyheter direkt i mejlen

Inga affiliate-länkarAvsluta när som helstGDPR-vänlig
[ Frekvens ]
[ Vad vill du läsa om? ]

Du får utskick om 2 ämnen.

Läsarrummet

Skicka in en fråga eller ett tillägg. Redaktionen läser allt innan det publiceras och svarar när det är relevant. Ingen AI-fri text – bara människor.

Logga in för att skicka in en kommentar eller fråga.

Laddar kommentarer…
Så här påverkar det dig

Läs artikeln genom din roll

  • Avgör om detta påverkar strategin på 6–12 månaders sikt eller är brus.
  • Diskutera i ledningsgruppen: äger vi rätt fråga eller behöver ansvaret flyttas?
  • Fråga: vilken risk tar vi genom att INTE agera på det här den här kvartalet?

Genererad vinkling — inte redaktionell analys av "Llama 4 Scout: Metas multimodala MoE-modell med jättekontext"