Llama 4 Maverick vs Llama 4 Scout

同世代の2つのLlama 4モデル

Llama 4 MaverickとLlama 4 Scoutは、2025年4月5日にMetaから同時にリリースされました。両者には多くの共通点があります。どちらもアクティブパラメータ数17B（170億）のMixture-of-Experts（MoE）モデルであり、テキストと画像をネイティブに処理でき、公式に12言語をサポートし、2024年8月までのデータで学習されています。一方で、総パラメータ数、エキスパート数、コンテキスト長、必要とされるハードウェア、価格が異なります。当サイトのチャットでは両モデルを利用できますので、ぜひ使い比べてみてください。

Maverick vs Scoutの比較一覧

価格は2026年10月時点のOpenRouter定価です。

モデルサイズの違いが意味すること

Mixture-of-Experts（MoE）モデルは、膨大な知識を多数の「エキスパート」サブネットワークに分散させ、トークンごとにその一部のみを使用します。どちらのモデルも1トークンあたり170億パラメータを使用するため、応答速度は同程度です。しかしMaverickはエキスパート数が大幅に多く、総パラメータ数も約4倍あるため、より多くの知識や繊細な表現力を蓄えています。実際の利用では、自由記述のライティングや詳細な説明、画像に関する質問などで、より豊かで緻密な回答として現れます。これが、当サイトのチャットでMaverickをデフォルトに設定している理由です。

一方、Scoutはより軽量なモデルです。MetaはInt4量子化によって単一のH100 GPUに収まるよう設計しており、ローカル運用やAPI経由でのコストを抑えたい場合に最も実用的なLlama 4モデルとなっています。

コンテキスト長：スペックと実用環境

Scoutの最大の特長はそのコンテキスト長です。MetaのモデルカードにはScoutのコンテキストとして1,000万トークンが記載されており、Maverickの100万トークンの10倍に達します。ただし実運用環境では、プロバイダーが提供するトークン数はこれよりも小さくなります。当サイトの推論プロバイダーでは、Scout向けに1,310,720トークン、Maverick向けに524,288トークンを提供しています。それでもなお、Scoutの方が長いコンテキストに対応しています。

ただし、当サイトの無料チャットではその差は現れません。高速かつ無料のサービスを維持するため、チャットでは長い会話の最新部分（テキスト約12,000文字分）のみを保持します。そのため、当サイトのチャット内では両モデルとも同じ長さの会話を参照します。極めて長大なドキュメントを扱いたい場合は、APIまたはご自身のハードウェアでScoutをご利用ください。詳細はAPIガイドをご覧ください。

画像認識

どちらのモデルも画像をネイティブに認識でき、当サイトのチャットでは1メッセージにつき1枚の画像を添付できます。写真、グラフ、スクリーンショットに関する詳細な質問には、Maverickの方がより充実した回答を返す傾向があります。簡単な画像の説明や画像内の文字認識であれば、Scoutでも十分かつ軽量に動作します。なお、テキスト専用モデルを選択中に画像を添付すると、チャットは自動的にMaverickに切り替わります。

ローカルでの実行

どちらもノートPCで手軽に動かせるモデルではありません。Ollamaのデフォルト量子化バージョンでは、Scoutが67 GB、Maverickが245 GBとなっています。Scoutは大容量メモリを搭載したワークステーションやデータセンター向けの単一GPUで動作しますが、Maverickを動かすには大型GPUを複数搭載したサーバーが必要です。一般的なハードウェアでローカルのLlamaを動かしたい場合は、Llama 3.1 8Bが現実的な選択肢です。なお、両Llama 4モデルにはマルチモーダルモデルに関するEU向けの制限を含むLlama 4 Community Licenseが適用されます。詳しくはライセンスガイドおよびLlamaをローカルで動かすをご覧ください。

コスト

API経由で利用する場合、Scoutの方が安価です。100万トークンあたり入力$0.10、出力$0.30となっており、Maverickの$0.1875、$0.6525と比べても手頃です（2026年10月時点のOpenRouter定価）。タグ付け、情報抽出、シンプルな要約など、大量の処理を行うタスクではScoutの低コストが大きな強みとなります。なお、当サイトのチャットでは、どちらのモデルも同じ1日の無料メッセージ枠内でご利用いただけます。

タスクごとのモデルの選び方

どちらを選ぶべきか迷った際は、以下の具体例を参考にしてください。これらはあくまで目安ですので、ご自身の用途で実際に両方を試してみるのが最も確実です。

• カバーレターやブログ記事の執筆：洗練された多彩な表現が得意なMaverick。
• 複雑な概念の段階的な説明：より丁寧で詳しい解説ができるMaverick。
• 写真の説明や看板の文字読み取り：どちらでも可。シンプルな内容ならScoutで十分です。
• グラフや複雑なスクリーンショットの分析：Maverick。
• 短いリライト、要約、箇条書き：どちらでも可。外部でトークンごとの料金を支払うならScoutの方が安価です。
• API経由での極めて長いドキュメントの処理：コンテキスト長の長いScout。

当サイトのチャットでは、まずMaverickから使い始め、手短な回答だけでよい場合はモデルメニューからScoutに切り替えるという使い方がおすすめです。Scoutの回答が少し物足りないと感じた場合は、Maverickで再生成してみてください。

当サイトのプライバシーと制限事項

当サイトでは両モデルとも同じ仕様で運用されています。送信されたメッセージは当サイトのサーバーおよびAIゲートウェイを経由してモデルを実行する推論プロバイダーに送られます。メッセージの本文が保存されることはなく、チャット履歴はお使いのブラウザ内にのみ保持されます。どちらのモデルもウェブ検索には対応しておらず、1日の無料メッセージ枠を共有します。また、AIは誤りを犯す可能性がありますので、重要な情報は必ずご自身で確認してください。

Maverickがおすすめなケース

• 一般的なチャット、文章作成、解説で最も高性能なLlamaモデルを使いたい場合
• 画像について詳しく掘り下げた質問をしたい場合
• コストよりも回答の品質を優先したい場合
• どちらを選ぶか迷っている場合（当サイトのデフォルトに選ばれている理由はここにあります）

Llama 4 Maverickでチャットする

Scoutがおすすめなケース

• APIやローカル環境で極めて長いコンテキストを扱いたい場合
• 単一のGPUでLlama 4モデルをセルフホストしたい場合
• 低コストが求められる大規模・大量のタスクを実行したい場合
• 画像やテキストの簡単な質問向けに軽量なモデルを使いたい場合

Llama 4 Scoutでチャットする

詳細についてはLlama 4 MaverickおよびLlama 4 Scoutの各ページをご覧ください。前世代との違いについては、Llama 3.3 vs Llama 4で詳しく解説しています。

よくある質問

MaverickとScoutはどちらが優れていますか？

Maverickはより規模が大きく、全体的により充実した回答を生成します。Scoutは軽量で低コスト、そしてより長いコンテキスト長を備えています。

応答速度は同じですか？

どちらも1トークンあたり170億のアクティブパラメータを使用するため、処理速度は同程度です。実際の速度はプロバイダーの負荷状況によって変動します。

当サイトのチャットでScoutの1,000万トークンのコンテキストは使えますか？

ご利用いただけません。当サイトの無料チャットでは、両モデルとも長い会話の最新部分（約12,000文字）にトリミングされます。非常に長い文書を扱う場合は、APIまたはローカル環境での運用をご検討ください。

どちらのモデルも画像に対応していますか？

はい。当サイトのチャットでは、どちらのモデルでも1メッセージにつき1枚の画像を送信できます。