Llama 4 Scout

Llama 4 Scoutの概要と開発元

Llama 4 ScoutはMetaが開発した大規模言語モデルで、2025年4月5日にLlama 4 Maverickと同時にリリースされました。2026年10月時点でも最新のLlama世代であるLlama 4シリーズに属し、Llama 4 Community Licenseのもとでモデルの重みをダウンロードできます。

Scoutはテキストと画像の入力を受け付け、テキストで回答します。Maverickと同様にMixture-of-Experts（MoE）アーキテクチャを採用しており、Metaのモデルカードによると総パラメータ数は1,090億、エキスパート数は16、各トークン処理時にアクティブになるパラメータ数は170億です。最大の特徴はコンテキスト長にあります。MetaのカードにはLlamaファミリーで群を抜いて最長となる1,000万トークンのコンテキストウィンドウが記載されており、Metaのリリース告知では大量のドキュメントの一括要約や大規模なコードベースの推論といったユースケースが挙げられています。またMetaによれば、ScoutはInt4量子化によって単一のNVIDIA H100 GPUに収まるため、Maverickよりもはるかにセルフホストが容易です。

Scoutは当チャットで利用できる4つのモデルの1つです。Llama.OnlineはMetaが運営するサイトではなく独立したサービスです。Scoutはクラウドの推論プロバイダー上で稼働しており、当サイトからユーザーのメッセージをプロバイダーへと送信しています。

Llamaファミリーにおける位置づけ

ScoutとMaverickは同じ設計を共有しており、公式サポートする12言語や2024年8月というナレッジカットオフも共通です。Maverickは128のエキスパートと総パラメータ数4,000億を備えているため、通常はより表現力豊かな回答を出力します。一方、Scoutはより軽量で運用コストが低く、はるかに長い入力に対応可能です。Llama 3.3 70Bなどのテキスト専用モデルと比較すると、Scoutは画像入力への対応とサポート言語の拡充が図られています。なお、Metaのセーフティ分類モデル「Llama Guard 4」は、Scoutのチェックポイントをプルーニングして構築されました。歴代の全リリースについては、Llamaの歴史をご覧ください。

Scoutが得意なこと

• 長文ドキュメントの処理: レポート、議事録、契約書、長文記事などの要約や決定事項のリストアップ、特定の質問への回答。
• 複数のテキスト比較: 2つのバージョンのドキュメントを貼り付けて変更点を確認したり、複数の商品説明を並べて比較したりすることが可能です。
• 画像に関する質問: MetaはScoutの特長として「画像グラウンディング」の高さを挙げています。これは質問の内容を画像内の特定の領域と結びつける能力です。看板の文字の読み取り、スクリーンショットの異常個所の指摘、グラフの内容の読み解きなどに適しています。
• 日常的なチャットや文章作成: 解説文、メール、アウトライン、リライトの作成に対応します。サポート対象の12言語（アラビア語、英語、フランス語、ドイツ語、ヒンディー語、インドネシア語、イタリア語、ポルトガル語、スペイン語、タガログ語、タイ語、ベトナム語）すべてで利用できます。
• セルフホスト: 自前のサーバーでLlama 4モデルを運用したい場合、Scoutは現実的で有力な選択肢です。

当サイトのチャットでScoutを使う方法

1. 以下のリンクからチャットを開くか、モデルメニューからLlama 4 Scoutを選択します。
2. 処理したいテキストを貼り付けるか、1メッセージにつき1枚の画像を添付します。
3. 「これについて教えて」よりも、「この文章に含まれるすべての締め切りと担当者を箇条書きにしてください」のように具体的に指示を出します。

Llama 4 Scoutでチャットする

チャットは1日あたりのメッセージ上限（現在は1日100件）の範囲内で無料で利用できます。長文を手軽に短縮したい場合は、当サイトの要約ツールも便利です。

注意すべき制限事項

• 会話が長い場合のトリミング: 当サイトのプロバイダーはScoutに1,310,720トークンのコンテキストを提供しており、モデルカード上は1,000万トークンとなっていますが、無料チャットでは長い会話の最新部分のみを送信し、1メッセージあたりのテキスト量にも制限を設けています。極めて膨大な入力を扱う場合は、APIを利用するか、Scoutをご自身でローカル運用してください。
• 長文コンテキストでも完璧に記憶できるわけではない: 非常に長いテキストを入力すると、どのモデルでも詳細を見落としたり混同したりすることがあります。確認しやすいよう、引用部分や該当セクションの明記を指示することをおすすめします。
• ナレッジカットオフ: 学習データは2024年8月までのものであり、当チャットにはウェブ検索機能はありません。
• 誤情報のリスク: Scoutは誤った事実をもっともらしく回答したり、画像内の小さく不鮮明な文字を誤読したりすることがあります。重要な情報は必ず事実確認を行ってください。
• 最新モデルではない: MetaのMuseファミリーをはじめとする、より新しいモデルの方が、高度なコーディングや複数ステップの処理において全体的に優れています。なお、Museモデルは当チャットではご利用いただけません。

Scoutの公式な入手方法

モデルの重みはHugging Face上で「meta-llama/Llama-4-Scout-17B-16E-Instruct」として公開されており、モデルページでライセンスに同意するとダウンロードできるようになります。OllamaでのScoutのダウンロードサイズは67GBと記載されているため、大容量のメモリを搭載したマシンが必要です。クラウドプロバイダーを利用すれば安価に利用でき、OpenRouterでは入力100万トークンあたり0.10ドル、出力100万トークンあたり0.30ドルとなっています（2026年10月時点のOpenRouter掲載価格）。

Llama 4 Community Licenseでは、条件付きで商用利用が認められています。自社プロダクトに「Built with Llama」と表示すること、利用規定（AUP）を遵守すること、月間アクティブユーザー数が7億人を超える場合はMetaに個別のライセンスを申請することが求められます。マルチモーダルモデルであるScoutにはライセンス規約のEU条項が適用され、EUを拠点とする個人または企業にはこれらの権利が付与されません（ただし、構築された製品のエンドユーザーには影響しません）。詳細はライセンス解説ページをご確認ください。

プライバシーに関する注意点

長文ドキュメントには個人情報や機密情報が含まれることがよくあります。当チャットでは、貼り付けられたデータはサーバーとAIゲートウェイを経由して推論プロバイダーに送信され、回答を生成します。当サイト側でメッセージの本文を保存することはなく、履歴はお使いのブラウザ内にのみ保持されます。それでも、氏名や口座番号、機密情報は削除してから貼り付けるようにしてください。機密データを扱う場合は、Scoutをセルフホストして自身のハードウェア上で処理することをおすすめします。

他モデルとの比較

入力が長文の場合やコストを抑えたい場合はMaverickよりもScoutが適しており、最も質の高い回答を求める場合はMaverickが適しています。詳しくはMaverickとScoutの比較ページをご覧ください。Llama 3.3 70Bとの比較では、Llama 3.3とLlama 4の比較でも解説している通り、Scoutの方が新しく、画像入力に対応し、より多くの言語をカバーしています。DeepSeek V4など他社の新しいオープンモデルと比較すると、Scoutは世代としては前ですがより軽量です。詳細はLlamaとDeepSeekの比較をご覧ください。

よくある質問

Scoutで本当に1,000万トークンを使えますか？

1,000万トークンはMetaのモデルカードに記載された数値です。一般的なホスティングプロバイダーでの提供上限はこれより少なく、当サイトのプロバイダーでは1,310,720トークンとなっています。また、無料チャットでは長い会話をさらにトリミングして送信します。極端な長さでセルフホストするには膨大なメモリが必要です。

ScoutはMaverickより性能が劣りますか？

パラメータ数が小さいため、ニュアンスの細やかな文章作成や複雑な質問に対しては、通常Maverickの方が優れた回答を出力します。一方で、長文入力の処理、回答速度、コストパフォーマンスを重視する場合は、Scoutの方が適しています。

Scoutは画像を読み取れますか？

はい。Scoutを選択した状態で、1メッセージにつき1枚の画像を添付できます。画像の説明や推論を行えますが、画像を生成することはできません。

Scoutを自分のパソコンで動かせますか？

Ollamaでのダウンロードサイズだけでも約67GBあるため、十分なメモリを搭載したマシンでのみ動作可能です。手軽に試したい場合は、より軽量なLlamaモデルから始めるのがおすすめです。詳しくはローカルでのLlamaの実行方法をご覧ください。