Meta.AI

Llama 4 Scout

meta/llama-4-scout
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

Llama 4 Scout适用于长上下文中的检索任务,以及需要对大量信息进行推理处理的任务,例如总结多个大型文档、分析大量用户互动日志以实现个性化,以及跨大型代码库进行推理。

输入 / 输出模态
文本 · 图像 至 文本
参考输入 / 输出价格
输入¥0.56输出¥2.1每百万 Token
上下文长度
128K
收录时间
2025年4月28日

供应通道与价格

供应通道输入 /M输出 /M缓存读取 /M上下文最大输出详情
OpenRouter¥0.56¥2.1¥0128K8K

OpenRouter

延迟
2.7s
吞吐量
82 tokens/s
上下文
128K

价格

输入
¥0.56/M tokens
输出
¥2.1/M tokens
缓存
¥0/M tokens

规格

上下文
128K
最大输出
8K
支持的 API
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

Llama 4 Scout 的示例代码与 API 说明

Modelmesh 会帮你在不同服务提供商之间规范化处理请求和响应,为你统一接口。

Modelmesh 提供了兼容 OpenAI 的 Completion API,可连接 300 多款模型与服务提供商,既可直接调用,也可通过 OpenAI SDK 调用。此外,还提供了一些第三方 SDK。

在以下示例中,Modelmesh 专用的请求头属于可选项。若你配置了这些请求头,你的应用就能出现在 Modelmesh 的排行榜上。

支持的接口点击接口可切换下方示例
/v1/chat/completions
from openai import OpenAI API_KEY = "$SSY_API_KEY" client = OpenAI( base_url="https://router.shengsuanyun.com/api/v1", api_key=API_KEY, ) try: completion = client.chat.completions.create( model="meta/llama-4-scout", messages=[{"role": "user", "content": "9.11 和 9.8 哪个数更大?"}], temperature=0.6, top_p=0.7, stream=True, ) response_text = "" for chunk in completion: if chunk.choices and chunk.choices[0].delta.content is not None: content = chunk.choices[0].delta.content print(content, end="", flush=True) response_text += content except Exception as error: print(f"Request failed: {error}")
                
              

相关模型