Llama 4 Scout vs Llama 4 Maverick
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Llama 4 Scout de Meta et Llama 4 Maverick de Meta sont deux modèles d’IA de premier plan. Llama 4 Scout propose une fenêtre de contexte de 3.5M tokens au tarif de $0.00/$0.00 par million de tokens, tandis que Llama 4 Maverick offre 1M tokens de contexte à $0.00/$0.00 par million de tokens. Découvrez ci-dessous le comparatif détaillé des performances et des coûts.
Changez et Comparez les Modèles
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Llama 4 Scout
Modèle de Base à Poids OuvertsLlama 4 Scout de Meta est un modèle d’IA conçu pour l’auto-hébergement sur infrastructure privée, le fine-tuning et la souveraineté des données, offrant une fenêtre de contexte de 3.5M, une vitesse de 95 tokens/s, un indice d’intelligence d
$0.00 / 1M
$0.00 / 1M
3.5M tokens
N/A
Llama 4 Maverick
IA Multimodale NativeLlama 4 Maverick de Meta est un modèle d’IA conçu pour la compréhension multimodale native (texte, vision) et l’analyse de documents complexes, offrant une fenêtre de contexte de 1M, une vitesse de 85 tokens/s, un indice d’intelligence de 8
$0.00 / 1M
$0.00 / 1M
1M tokens
62%
Différences Clés en un Coup d’Œil
- Both models cost the same under this workload — choose on capability, not price.
- Llama 4 Scout has a larger context window (4M vs 1M tokens).
- Llama 4 Scout is faster at 95 tok/s vs 85 tok/s.
| Caractéristique | Llama 4 Scout | Llama 4 Maverick |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 76 | 84 |
Provider | Meta | Meta |
Input Price Cost per million input tokens | $0.00 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 3.5M tokens~5,250 A4 pages of text | 1M tokens~1,500 A4 pages of text |
Max Output Tokens Per single request | 33K | 33K |
Throughput Speed Tokens generated per second | 95 tok/s | 85 tok/s |
SWE-bench Verified Real-world software engineering | N/A | 62% |
GPQA Diamond Graduate-level reasoning | N/A | 72.5% |
Qui gagne où ?
At-a-glance decision frameworkEvaluations ongoing
Scores de Benchmarks Vérifiés
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
Latence et Temps de Réponse
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulateur Interactif de Coût de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Llama 4 Scout · Strengths & Key Advantages
- Fenêtre de contexte de 3.5M et capacité de sortie maximale de 33K tokens (MMLU-Pro 78% · Arena Elo 1370)
- Débit rapide de 95 tokens/seconde avec une latence au premier token (TTFT) de 650 ms
- Poids ouverts (17B (109B total MoE)) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Llama 4 Maverick · Strengths & Key Advantages
- Fenêtre de contexte de 1M et capacité de sortie maximale de 33K tokens (SWE-bench Verified 62% · GPQA Diamond 72.5%)
- Débit rapide de 85 tokens/seconde avec une latence au premier token (TTFT) de 550 ms
- Poids ouverts (17B (400B total MoE)) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Llama 4 Scout | Llama 4 Maverick |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.00 |
Output Tokens / Task Tokens generated per task | 10K | 15K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Spécifications Techniques
Architecture, release timeline, capabilities, and modalities.
| Caractéristique | Llama 4 Scout | Llama 4 Maverick |
|---|---|---|
| Official API Model ID (SDK) | meta-llama/Llama-4-Scout | meta-llama/Llama-4-Maverick |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-04 | 2025-04 |
| Knowledge Cutoff | January 2025 | January 2025 |
| Architecture | Extreme-context sparse MoE multimodal transformer (17B active / 109B total) | High-capacity sparse MoE multimodal transformer (17B active / 400B total) |
| Parameters | 17B (109B total MoE) | 17B (400B total MoE) |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Free across full context window (only KV-cache VRAM scales) | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | Supported (Screen coordinate grounding, browser & desktop GUI action loops) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 11 GB VRAM (4-bit Quantized) · 37 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 11 GB VRAM (4-bit Quantized) · 37 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text, vision | text, vision |
| Output Modalities | text | text |
Llama 4 Scout vs Llama 4 Maverick: Réponses Rapides (FAQ)
Which is more intelligent, Llama 4 Scout or Llama 4 Maverick?
Llama 4 Maverick is more intelligent. It scores 84 compared with 76 on the composite Intelligence Index.
Which model is faster?
Llama 4 Scout is faster, generating 95 tokens per second compared with 85 tokens per second.
Which model has lower latency?
Llama 4 Maverick has lower latency, with a time to first token of 0.55s compared with 0.65s.
Which model has a larger context window?
Llama 4 Scout has a larger context window, supporting 3.5M tokens compared with 1M tokens.
Verdict
Llama 4 Scout (Conçu pour l’auto-hébergement sur infrastructure privée, le fine-tuning et la souveraineté des données, l’intégration RAG et les pipelines de production évolutifs.) et Llama 4 Maverick (Conçu pour la compréhension multimodale native (texte, vision) et l’analyse de documents complexes, l’intégration RAG et les pipelines de production évolutifs.) répondent à des besoins complémentaires : Llama 4 Maverick domine sur les benchmarks de raisonnement et de programmation, Llama 4 Scout assure un débit supérieur et Llama 4 Scout offre le meilleur rapport coût-efficacité en production.
Questions fréquentes
Quel modèle choisir pour le code et le raisonnement, Llama 4 Scout ou Llama 4 Maverick ?+
Sur l’indice d’intelligence composite et les tests de code, Llama 4 Maverick prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.
Quelle est la différence de prix API entre Llama 4 Scout et Llama 4 Maverick ?+
Llama 4 Scout est facturé $0.00 / $0.00 par million de tokens (entrée/sortie) contre $0.00 / $0.00 pour Llama 4 Maverick. En coût pondéré, Llama 4 Scout est plus économique.
Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+
Llama 4 Scout prend en charge 3.5M tokens contre 1M tokens pour Llama 4 Maverick. Côté vitesse de génération, Llama 4 Scout est le plus rapide.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemma 3 vs Llama 4 Scout : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Llama 4 Maverick vs Llama 3.3 70B : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Qwen3-Next 80B-A3B Instruct vs Llama 4 Scout : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Aion-Mini : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Gemini 3.6 Flash : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-Mini vs Laguna XS 2.1 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.
Sources: Documentation API officielle de Meta et Meta, fiches système et benchmarks indépendants (2026).