Llama 4 Scout

Mengenal Llama 4 Scout dan Pengembangnya

Llama 4 Scout adalah model bahasa besar (LLM) dari Meta yang dirilis pada 5 April 2025 bersama Llama 4 Maverick. Model ini merupakan bagian dari Llama 4, yang per Oktober 2026 masih menjadi generasi Llama terbaru. Bobot modelnya (weights) dapat diunduh secara gratis di bawah Lisensi Komunitas Llama 4.

Scout dapat memproses input teks maupun gambar dan memberikan respons dalam bentuk teks. Seperti Maverick, model ini mengusung arsitektur mixture-of-experts (MoE): lembar model (model card) dari Meta mencatat total 109 miliar parameter, 16 experts, dan 17 miliar parameter aktif untuk setiap token. Keunggulan utamanya terletak pada panjang konteks. Meta mencatat jendela konteks hingga 10 juta token—yang terpanjang di seluruh keluarga Llama. Pada pengumuman peluncurannya, Meta menyoroti berbagai kegunaan Scout, seperti meringkas banyak dokumen sekaligus dan menganalisis basis kode berukuran besar. Meta juga menyebutkan bahwa Scout dapat dijalankan pada satu GPU NVIDIA H100 dengan kuantisasi Int4, sehingga jauh lebih mudah di-host mandiri dibandingkan Maverick.

Scout adalah salah satu dari empat model yang tersedia di chat kami. Llama.Online adalah situs independen dan tidak dikelola oleh Meta; Scout berjalan melalui penyedia inferensi cloud, dan situs kami meneruskan pesan Anda ke model tersebut.

Posisinya dalam Lini Model Llama

Scout dan Maverick memiliki rancangan arsitektur yang sama, mendukung 12 bahasa resmi yang sama, serta memiliki batas waktu pengetahuan (knowledge cut-off) yang sama di Agustus 2024. Maverick memiliki 128 experts dan total 400 miliar parameter, sehingga biasanya memberikan respons yang lebih mendalam dan kaya; sedangkan Scout lebih ringan, lebih hemat biaya operasional, dan mampu memproses input yang jauh lebih panjang. Jika dibandingkan dengan model khusus teks seperti Llama 3.3 70B, Scout menambahkan dukungan input gambar serta lebih banyak bahasa. Pengklasifikasi keamanan Llama Guard 4 dari Meta sendiri dibangun dari pemangkasan (pruning) checkpoint Scout. Untuk melihat urutan rilis selengkapnya, kunjungi riwayat Llama.

Keunggulan Scout

• Dokumen panjang. Laporan, transkrip, kontrak, dan artikel panjang yang ingin Anda ringkas, ambil poin keputusannya, atau cari jawaban spesifik di dalamnya.
• Membandingkan beberapa teks. Tempelkan dua versi dokumen untuk melihat perubahannya, atau bandingkan beberapa deskripsi produk secara berdampingan.
• Pertanyaan berbasis gambar. Meta menyebut Scout sangat andal dalam image grounding, yaitu mengaitkan bagian pertanyaan Anda dengan area tertentu pada gambar. Anda bisa menanyakan isi rambu, kesalahan pada tangkapan layar, atau arti dari sebuah grafik.
• Percakapan harian dan menulis. Penjelasan konsep, draf email, kerangka tulisan, dan penulisan ulang dalam 12 bahasa yang didukung: Arab, Inggris, Prancis, Jerman, Hindi, Indonesia, Italia, Portugis, Spanyol, Tagalog, Thai, dan Vietnam.
• Self-hosting. Jika Anda ingin menjalankan model Llama 4 di server pribadi, Scout adalah pilihan yang paling realistis.

Cara Menggunakan Scout di Chat Kami

1. Buka ruang chat melalui tautan di bawah, atau pilih Llama 4 Scout dari menu model.
2. Tempelkan teks yang ingin dianalisis, atau lampirkan satu gambar per pesan.
3. Ajukan pertanyaan yang spesifik: perintah seperti "Sebutkan setiap tenggat waktu dalam teks ini beserta penanggung jawabnya" bekerja jauh lebih baik daripada "Teks ini tentang apa?"

Mulai Chat dengan Llama 4 Scout

Layanan chat ini gratis dengan kuota harian, saat ini 100 pesan per hari. Fitur alat peringkas kami juga bisa Anda gunakan untuk memendekkan teks panjang dengan cepat.

Batasan yang Perlu Diketahui

• Percakapan panjang akan terpotong di chat kami. Penyedia layanan kami menyediakan konteks hingga 1.310.720 token untuk Scout, dan spesifikasi resmi mencatat hingga 10 juta token. Namun, chat gratis kami hanya mengirimkan bagian terbaru dari percakapan panjang dan membatasi panjang teks per pesan. Untuk input yang luar biasa besar, gunakan API atau jalankan Scout sendiri.
• Konteks panjang tidak menjamin akurasi sempurna. Pada input yang sangat panjang, model AI mana pun bisa melewatkan atau mencampuradukkan detail. Mintalah kutipan langsung atau rujukan bagian agar Anda bisa memverifikasinya.
• Batas pembaruan pengetahuan. Data pelatihannya berakhir pada Agustus 2024, dan ruang chat kami tidak terhubung ke internet langsung.
• Potensi kesalahan. Scout bisa memberikan fakta yang keliru dengan gaya yang meyakinkan, serta dapat salah membaca teks kecil atau buram pada gambar. Selalu periksa kembali informasi yang penting.
• Bukan yang paling mutakhir. Model-model yang lebih baru, termasuk lini Muse dari Meta sendiri, umumnya lebih unggul untuk pemrograman tingkat lanjut dan tugas multi-langkah yang rumit. Saat ini model Muse belum tersedia di chat kami.

Mendapatkan Scout Secara Resmi

Bobot modelnya tersedia di Hugging Face dengan nama meta-llama/Llama-4-Scout-17B-16E-Instruct; setujui ketentuan lisensi di halaman model tersebut untuk mengunduh filenya. Ollama mencatat ukuran unduhan Scout sekitar 67 GB, sehingga Anda memerlukan perangkat dengan kapasitas memori yang besar. Melalui penyedia cloud, biayanya sangat terjangkau: OpenRouter mematok harga $0,10 per sejuta token input dan $0,30 per sejuta token output (daftar harga OpenRouter, Okt 2026).

Lisensi Komunitas Llama 4 mengizinkan penggunaan komersial dengan beberapa syarat: cantumkan "Built with Llama" pada produk Anda, patuhi kebijakan penggunaan yang wajar (acceptable use policy), dan ajukan lisensi terpisah ke Meta jika produk Anda telah melampaui 700 juta pengguna aktif bulanan (MAU). Sebagai model multimodal, Scout tunduk pada klausul Uni Eropa dalam kebijakannya, yang tidak memberikan hak-hak ini kepada individu atau entitas yang berbasis di UE, meskipun pengguna akhir dari produk yang dibangun dengannya tidak terdampak. Rincian selengkapnya dapat dibaca di halaman lisensi kami.

Catatan Privasi

Dokumen panjang kerap memuat informasi pribadi atau rahasia. Di chat kami, teks yang Anda tempelkan dikirim melalui server dan gateway AI kami ke penyedia inferensi untuk menghasilkan jawaban; kami tidak menyimpan teks pesan Anda, dan riwayat obrolan hanya tersimpan di peramban Anda. Kendati demikian, pastikan Anda telah menghapus nama, nomor rekening, dan data sensitif lainnya sebelum mengirimkannya. Untuk materi yang bersifat rahasia, menjalankan Scout secara mandiri di hardware milik Anda sendiri adalah pilihan yang paling aman.

Perbandingan Scout dengan Model Lain

Pilih Scout daripada Maverick jika input teks Anda sangat panjang atau anggaran operasional Anda terbatas, dan pilih Maverick jika Anda menginginkan jawaban yang paling kaya dan mendalam; halaman perbandingan Maverick vs Scout kami mengulasnya secara rinci. Dibandingkan dengan Llama 3.3 70B, Scout lebih modern, mampu membaca gambar, dan mendukung lebih banyak bahasa, seperti yang dijelaskan dalam Llama 3.3 vs Llama 4. Dibandingkan dengan model terbuka yang lebih baru dari pengembang lain, seperti DeepSeek V4, Scout memang lebih lama namun jauh lebih ringan; baca selengkapnya di Llama vs DeepSeek.

Tanya Jawab (FAQ)

Apakah saya benar-benar bisa menggunakan 10 juta token dengan Scout?

Angka tersebut adalah spesifikasi resmi pada model card Meta. Penyedia hosting biasanya menawarkan kapasitas lebih rendah; penyedia kami membatasi hingga 1.310.720 token, dan chat gratis kami memotong percakapan yang terlalu panjang. Melakukan self-hosting dengan batas konteks maksimal tersebut membutuhkan memori GPU yang sangat besar.

Apakah kualitas Scout lebih rendah daripada Maverick?

Ukurannya memang lebih kecil, jadi untuk penulisan yang kaya nuansa atau pertanyaan rumit, Maverick umumnya memberikan hasil yang lebih baik. Namun untuk input yang panjang, jawaban cepat, dan biaya hemat, Scout sering kali menjadi pilihan yang lebih cerdas.

Apakah Scout bisa menganalisis gambar?

Bisa. Anda dapat melampirkan satu gambar per pesan di chat kami saat model Scout dipilih. Model ini mampu mendeskripsikan dan menganalisis gambar, tetapi tidak dapat menghasilkan gambar baru.

Bisakah saya menjalankan Scout di komputer pribadi?

Hanya jika perangkat Anda memiliki kapasitas memori dan RAM yang sangat besar, mengingat ukuran unduhannya saja mencapai sekitar 67 GB menurut Ollama. Untuk pemula, model Llama yang lebih kecil jauh lebih mudah dijalankan; pelajari panduannya di cara menjalankan Llama secara lokal.