# Llama 4 Scout: precio, benchmarks y contexto

- **URL canônica:** https://meirinho.com.br/es/ia/modelos/llama-4-scout/
- **Idioma:** es
- **Atualizado:** 2026-11-17

---
**datos insuficientes** — 2 de 4 pruebas

- GPQA Diamond — reserva de baja resolución (índice S)
- OTIS Mock AIME — prueba saturada

Metodología v2 · actualizado el 21 de noviembre de 2026 · [Empate técnico](https://meirinho.com.br/es/ia/modelos/metodologia/#empate-tecnico) · [Mínimo de 4 pruebas](https://meirinho.com.br/es/ia/modelos/metodologia/#minimo-3-benchmarks) · [Metodología](https://meirinho.com.br/es/ia/modelos/metodologia/)

Meta

# Llama 4 Scout

Benchmarks, precio, contexto y versiones

GPQA Diamond

Epoch AI

Entrada US$/1M

Proveedor externo

Salida US$/1M

Proveedor externo

Contexto

tokens

## Respuesta directa

**Respuesta directa:** Llama 4 Scout es un modelo de Meta. 51,8% en GPQA Diamond, según Epoch AI. En OpenRouter, US$ 0,10 por 1 millón de tokens de entrada y US$ 0,30 por 1 millón de tokens de salida.

## ✓ Bueno para

- uso en gran volumen (precio de entrada entre el 25% más barato, en OpenRouter)
- documentos o código muy largos (ventana de 1 millón de tokens o más, según OpenRouter)
- ejecutar en tu propia infraestructura (pesos abiertos)

## ✕ No es el mejor para

- razonamiento técnico en temas de ciencia (137.º de 195 en GPQA Diamond, según Epoch AI)

Este bloque sigue una regla de esta área, con los datos de las fuentes: si el modelo está en el 25% mejor de la métrica, el ítem entra en "Bueno para"; si está en la mitad de abajo, entra en "No es el mejor para". La franja del medio no entra en ninguno de los dos. El precio usa OpenRouter. El contexto usa OpenRouter. Las notas usan Epoch AI o OpenRouter Benchmarks, en la última versión consultada.

## Benchmarks

| GPQA Diamond[? qué es](https://meirinho.com.br/es/ia/modelos/glossario/gpqa-diamond/) | 51,8%**métrica máxima 96,8%137º / 195 · [Epoch AI](https://epoch.ai/benchmarks/gpqa-diamond), versión más reciente consultada |
| --- | --- |
| OTIS Mock AIME[?](https://meirinho.com.br/es/ia/modelos/glossario/otis-mock-aime/) | 7,8%**métrica máxima 100%149º / 182 · [Epoch AI](https://epoch.ai/benchmarks/otis-mock-aime-2024-2025), versión más reciente consultada |

## Entrada US$/1M · Salida US$/1M

Entrada US$/1M

US$ 0,10

Salida US$/1M

US$ 0,30

## Ficha

| Laboratorio | [Meta](https://meirinho.com.br/es/ia/modelos/lab/meta/) |
| --- | --- |
| Origen | EE. UU. |
| Familia | Llama Scout dato provisional |
| Pesos[?](https://meirinho.com.br/es/ia/modelos/glossario/pesos-abertos/) | abierto |
| Licencia | [llama4](https://huggingface.co/meta-llama/Llama-4-Scout-17B-16E-Instruct) |
| Alias | sin dato |
| Contexto[?](https://meirinho.com.br/es/ia/modelos/glossario/janela-de-contexto/) | 1.310.720 tokens |
| Parámetros | 108.641.793.536 |
| Entrada | image, text |
| Uso en OpenRouter[?](https://meirinho.com.br/es/ia/modelos/glossario/uso-no-openrouter/) | sin dato |
| Descargas en 30 días[?](https://meirinho.com.br/es/ia/modelos/glossario/downloads-hugging-face/) | 111.251 |
| Casos de uso dato provisional | [Texto](https://meirinho.com.br/es/ia/modelos/uso/texto/) [Agentes](https://meirinho.com.br/es/ia/modelos/uso/agentes/) |
| Fechas en las fuentes | sin fecha oficial5 de abril de 2025, publicación según Epoch AI5 de abril de 2025, entrada en OpenRouter2 de abril de 2025, creación del repositorio en Hugging Face |

Recolección del 17 de noviembre de 2026

## Historial de versiones

- 5 de abril de 2025 [Meta: Llama 4 Scout](https://openrouter.ai/meta-llama/llama-4-scout) OpenRouter, entrada en OpenRouter

Las fechas vienen de las fuentes: entrada en OpenRouter o creación del repositorio en Hugging Face, que pueden no coincidir con el lanzamiento oficial.

## Fuentes de este modelo

- Página oficial del modelo, [Meta](https://dev.meta.ai/docs/models).
- Precio de proveedor externo, [OpenRouter](https://openrouter.ai/meta-llama/llama-4-scout).
- Sin anuncio oficial de lanzamiento.
- Pesos y licencia (llama4), [Hugging Face](https://huggingface.co/meta-llama/Llama-4-Scout-17B-16E-Instruct).
- Benchmarks: cada nota lleva su propia fuente, en la tabla de arriba.

## Preguntas frecuentes

Llama 4 Scout es un modelo de Meta, con pesos abiertos, usado para texto, agentes.

En OpenRouter, US$ 0,10 por 1 millón de tokens de entrada y US$ 0,30 por 1 millón de tokens de salida.

1.310.720 tokens, según OpenRouter.

Sí, tiene pesos abiertos. Licencia: llama4.

51,8% en GPQA Diamond, según Epoch AI.

Sin dato: no hay medición de SWE-bench Verified para él en las fuentes abiertas.

Lo creó Meta, laboratorio de origen EE. UU..

dato provisional

## Compara con

### Modelos de Meta

- [Muse Spark 1.3 Contributor](https://meirinho.com.br/es/ia/modelos/muse-spark-1-3-contributor/)
- [Muse Ember](https://meirinho.com.br/es/ia/modelos/muse-ember/)
- [Muse Wonder](https://meirinho.com.br/es/ia/modelos/muse-wonder/)
- [Muse Spark Open](https://meirinho.com.br/es/ia/modelos/muse-spark-open/)
- [Muse Spark 1.3](https://meirinho.com.br/es/ia/modelos/muse-spark-1-3/)
- [Muse Glimmer 30B](https://meirinho.com.br/es/ia/modelos/muse-glimmer-30b/)
- [Llama 3.1 8B Instruct](https://meirinho.com.br/es/ia/modelos/llama-3-1-8b-instruct/)
- [Llama 3.3 70B Instruct](https://meirinho.com.br/es/ia/modelos/llama-3-3-70b-instruct/)
- [Muse Spark 1.2 Contributor](https://meirinho.com.br/es/ia/modelos/muse-spark-1-2-contributor/)
- [Muse Spark 1.1](https://meirinho.com.br/es/ia/modelos/muse-spark-1-1/)
- [Muse Spark 1.2](https://meirinho.com.br/es/ia/modelos/muse-spark-1-2/)
- [Llama Guard 4 12B](https://meirinho.com.br/es/ia/modelos/llama-guard-4-12b/)

[Ver laboratorio](https://meirinho.com.br/es/ia/modelos/lab/meta/)

## Cómo citar

Si usa estos datos, cite la página y la fecha en que la consultó.

```
Adriano Meirinho. «Llama 4 Scout». meirinho.com.br. https://meirinho.com.br/es/ia/modelos/llama-4-scout/. Consultado el 21 de noviembre de 2026.
```

Los datos de terceros siguen la licencia de cada fuente. La tabla completa está en [CSV](https://meirinho.com.br/ia/modelos/dados.csv) y en [JSON](https://meirinho.com.br/ia/modelos/dados.json).

[#](#)
