Llama 4 Scout

Llama 4 Scout چیست و چه کسی آن را ساخته است؟

مدل Llama 4 Scout یک مدل زبانی بزرگ از شرکت Meta است که در ۵ آوریل ۲۰۲۵ در کنار Llama 4 Maverick منتشر شد. این مدل بخشی از خانواده Llama 4 است که تا اکتبر ۲۰۲۶ همچنان جدیدترین نسل Llama به شمار می‌رود و وزن‌های آن تحت مجوز Llama 4 Community License قابل دانلود است.

مدل Scout متن و تصویر را پردازش کرده و به صورت متنی پاسخ می‌دهد. مانند Maverick، این مدل نیز بر پایه ساختار ترکیبی از متخصصان (MoE) ساخته شده است: طبق شناسنامه مدل در Meta، این مدل در مجموع ۱۰۹ میلیارد پارامتر و ۱۶ متخصص دارد که به ازای هر توکن، ۱۷ میلیارد پارامتر آن فعال می‌شوند. ویژگی برجسته آن طول زمینه (Context Window) است. طبق اعلام Meta، این مدل از ۱۰ میلیون توکن پشتیبانی می‌کند که تا به امروز طولانی‌ترین مقدار در خانواده Llama است؛ Meta در اطلاعیه انتشار به کاربردهایی مانند خلاصه‌سازی هم‌زمان چندین سند و تحلیل پایگاه‌های کد حجیم اشاره کرده است. Meta همچنین اعلام کرد که Scout با کوانتیزاسیون Int4 روی یک کارت گرافیک منفرد NVIDIA H100 اجرا می‌شود، که میزبانی آن را بسیار ساده‌تر از Maverick می‌کند.

مدل Scout یکی از چهار مدل موجود در چت ما است. وب‌سایت Llama.Online یک سرویس مستقل است و توسط Meta اداره نمی‌شود؛ Scout روی سرورهای ابری ارائه‌دهنده اجرا شده و سایت ما پیام‌های شما را به آن منتقل می‌کند.

جایگاه این مدل در خانواده Llama

هر دو مدل Scout و Maverick معماری یکسانی دارند، از ۱۲ زبان رسمی پشتیبانی می‌کنند و تاریخ دانش آن‌ها تا اوت ۲۰۲۴ است. مدل Maverick دارای ۱۲۸ متخصص و مجموعاً ۴۰۰ میلیارد پارامتر است، بنابراین پاسخ‌های غنی‌تری ارائه می‌دهد؛ اما Scout سبک‌تر، کم‌هزینه‌تر و مناسب ورودی‌های بسیار طولانی است. در مقایسه با مدل‌های متنی پیشین مانند Llama 3.3 70B، مدل Scout قابلیت دریافت تصویر و زبان‌های بیشتری را اضافه کرده است. مدل امنیتی Llama Guard 4 نیز با بهینه‌سازی و هرس نسخه‌ای از Scout ساخته شده است. برای مشاهده تمامی نسخه‌ها به ترتیب زمان، به صفحه تاریخچه Llama مراجعه کنید.

نقاط قوت Scout

• اسناد طولانی: گزارش‌ها، رونوشت‌ها، قراردادها و مقالات بلندی که به خلاصه، استخراج تصمیم‌ها یا پاسخ به پرسش‌های خاص درباره آن‌ها نیاز دارید.
• مقایسه چندین متن: بررسی تفاوت دو نسخه از یک سند یا مقایسه ویژگی‌های چند کالا در کنار هم.
• سوال درباره تصاویر: طبق توضیحات Meta، مدل Scout در تطبیق بصری (Image Grounding) دقیق است؛ یعنی می‌تواند بخش‌های سوال شما را به قسمت‌های خاصی از تصویر پیوند دهد. می‌توانید درباره متن داخل تابلوها، ایرادهای اسکرین‌شات یا تحلیل نمودارها سوال بپرسید.
• گفتگو و نگارش روزمره: تولید توضیحات، ایمیل‌ها، طرح‌ها و بازنویسی متون به هر یک از ۱۲ زبان رسمی: انگلیسی، فرانسوی، آلمانی، عربی، اسپانیایی، هندی، اندونزیایی، ایتالیایی، پرتغالی، تاگالوگ، تایلندی و ویتنامی.
• میزبانی شخصی: اگر می‌خواهید یکی از مدل‌های Llama 4 را روی سرور اختصاصی خود راه‌اندازی کنید، Scout انتخابی واقع‌گرایانه و عملی است.

نحوه استفاده از Scout در چت ما

1. از طریق لینک زیر وارد چت شوید یا از منوی مدل‌ها، Llama 4 Scout را انتخاب کنید.
2. متن مدنظر را وارد کنید، یا در هر پیام یک تصویر پیوست نمایید.
3. سوال دقیق بپرسید: مثلاً «تمامی مهلت‌های زمانی این متن را به همراه فرد مسئول فهرست کن» نتیجه بهتری نسبت به «این درباره چیه؟» می‌دهد.

چت با Llama 4 Scout

این چت تا سقف مشخصی در روز (در حال حاضر ۱۰۰ پیام در روز) رایگان است. همچنین می‌توانید از ابزار خلاصه‌ساز ما برای کوتاه کردن سریع متن‌های بلند استفاده کنید.

محدودیت‌هایی که باید بدانید

• کوتاه شدن گفتگوهای طولانی در چت: ارائه‌دهنده ما زمینه Scout را با ۱٬۳۱۰٬۷۲۰ توکن ارائه می‌دهد و شناسنامه مدل به ۱۰ میلیون اشاره دارد، اما چت رایگان ما تنها بخش‌های اخیر گفتگو را ارسال کرده و حجم متن هر پیام را محدود می‌کند. برای ورودی‌های واقعاً حجیم، از API استفاده کنید یا Scout را به صورت محلی اجرا کنید.
• زمینه طولانی به معنای یادآوری کامل نیست: در متون بسیار طویل، احتمال جا افتادن یا ترکیب شدن اطلاعات توسط مدل وجود دارد. همیشه برای راستی‌آزمایی، ارجاع مستقیم به متن یا شماره بخش‌ها را بخواهید.
• تاریخ قطع دانش: داده‌های آموزشی مدل در اوت ۲۰۲۴ به پایان رسیده و چت ما دسترسی زنده به اینترنت ندارد.
• احتمال خطا: ممکن است Scout اطلاعات نادرست را با اطمینان بیان کند یا متن‌های ریز و تار تصاویر را اشتباه بخواند. اطلاعات مهم را بررسی کنید.
• جدیدترین مدل نیست: مدل‌های جدیدتر، از جمله خانواده Muse از شرکت Meta، عملکرد قوی‌تری در کدنویسی پیشرفته و کارهای چندمرحله‌ای دارند. هیچ‌یک از مدل‌های Muse در چت ما در دسترس نیستند.

دریافت رسمی Scout

وزن‌های مدل در Hugging Face تحت عنوان meta-llama/Llama-4-Scout-17B-16E-Instruct در دسترس است؛ برای باز شدن دسترسی باید مجوز صفحه مدل را تأیید کنید. در Ollama حجم دانلود Scout حدود ۶۷ گیگابایت ثبت شده، بنابراین به سیستمی با رم بالا نیاز دارید. استفاده از آن از طریق ارائه‌دهندگان ابری مقرون‌به‌صرفه است: در OpenRouter هزینه هر یک میلیون توکن ورودی ۰.۱۰ دلار و هر یک میلیون توکن خروجی ۰.۳۰ دلار است (قیمت‌های OpenRouter، اکتبر ۲۰۲۶).

مجوز Llama 4 Community License با شرایطی اجازه استفاده تجاری را می‌دهد: ذکر عبارت "Built with Llama" در محصول، پایبندی به خط‌مشی استفاده مجاز، و دریافت مجوز جداگانه از Meta در صورتی که تعداد کاربران فعال ماهانه محصول شما بیش از ۷۰۰ میلیون نفر باشد. به عنوان یک مدل چندوجهی، Scout تحت بند مربوط به اتحادیه اروپا قرار دارد که این حقوق را به کاربران یا شرکت‌های مستقر در این اتحادیه واگذار نمی‌کند، هرچند کاربران نهاییِ محصولاتی که با آن ساخته شده‌اند مشمول این محدودیت نمی‌شوند. جزئیات بیشتر در صفحه مجوزها آمده است.

نکات مربوط به حریم خصوصی

اسناد حجیم معمولاً حاوی داده‌های حساس یا شخصی هستند. در چت ما، متنی که وارد می‌کنید از طریق سرور و درگاه هوش مصنوعی ما به ارائه‌دهنده ابری ارسال می‌شود تا پاسخ تولید شود؛ ما متن پیام‌های شما را ذخیره نمی‌کنیم و تاریخچه چت روی مرورگر خودتان باقی می‌ماند. با این حال، پیش از ارسال متن، نام‌ها، شماره حساب‌ها و اطلاعات محرمانه را حذف کنید. برای اسناد بسیار محرمانه، میزبانی شخصی Scout داده‌های شما را روی سخت‌افزار خودتان نگه می‌دارد.

مقایسه Scout با سایر مدل‌ها

اگر متن ورودی شما بسیار طولانی است یا بودجه محدودی دارید، Scout گزینه بهتری نسبت به Maverick است؛ اما اگر دقیق‌ترین و عمیق‌ترین پاسخ‌ها را می‌خواهید، Maverick پیشنهاد می‌شود. در صفحه مقایسه Maverick و Scout به این تفاوت‌ها پرداخته‌ایم. در مقایسه با Llama 3.3 70B، مدل Scout جدیدتر است، ورودی تصویر را می‌پذیرد و زبان‌های بیشتری را پوشش می‌دهد (توضیحات در صفحه Llama 3.3 در برابر Llama 4). در برابر مدل‌های متن‌باز جدیدتر از شرکت‌های دیگر مانند DeepSeek V4، مدل Scout ساختاری قدیمی‌تر ولی سبک‌تر دارد؛ به صفحه Llama در برابر DeepSeek مراجعه کنید.

پرسش‌های متداول

آیا واقعاً می‌توان از ۱۰ میلیون توکن در Scout استفاده کرد؟

این رقم رسمی در شناسنامه مدل Meta است. ارائه‌دهندگان ابری معمولاً مقدار کمتری ارائه می‌دهند؛ ارائه‌دهنده ما سقف ۱٬۳۱۰٬۷۲۰ توکن دارد و چت رایگان ما مکالمات طولانی را بیشتر خلاصه می‌کند. پردازش چنین حجم عظیمی از داده در میزبانی محلی به رم فوق‌العاده بالایی نیاز دارد.

آیا عملکرد Scout ضعیف‌تر از Maverick است؟

این مدل کوچک‌تر است، بنابراین برای نگارش‌های ظریف، دقیق یا سوالات پیچیده، معمولاً Maverick بهتر عمل می‌کند. برای ورودی‌های بسیار طولانی، پاسخ‌های سریع و هزینه پایین‌تر، Scout انتخاب بهتری است.

آیا Scout تصاویر را پردازش می‌کند؟

بله. کافی است در حالت انتخاب مدل Scout، به هر پیام یک تصویر ضمیمه کنید. این مدل می‌تواند تصاویر را تحلیل کرده و درباره آن‌ها توضیح دهد، اما امکان ساخت تصویر ندارد.

آیا می‌توان Scout را روی سیستم شخصی اجرا کرد؟

تنها روی سیستمی با رم و حافظه بسیار بالا، چرا که طبق اعلام Ollama دانلود آن به تنهایی حدود ۶۷ گیگابایت فضا می‌برد. برای شروع، مدل‌های کوچک‌تر Llama گزینه‌های ساده‌تری هستند؛ به راهنمای اجرای محلی Llama مراجعه کنید.