Prezzo combinato giornaliero ($/1 milione): registrato ogni giorno, si sviluppa in una tendenza nel tempo.
Tipico mix output-input 3:1, per 1 milione di token
Prezzo a partire da 2026-05-11 · Fonte: meta_reference_catalog
Carichi di lavoro misti di testo, immagini, audio e documenti che beneficiano di un unico modello in tutte le modalità.
Llama 4 Scout 17B Instruct (16E) is a mixture-of-experts (MoE) language model developed by Meta, activating 17 billion parameters out of a total of 109B. It supports native multimodal input...
llama-4-scout è un modello Multimodale di Meta (US). HotON.ai lo tiene traccia di $0.08 per 1 milione di token di input e $0.30 per 1 milione di token di output, con una finestra di contesto del token 328K. Il suo punteggio di efficienza composito è 91/100 con un $0.000 stimato per attività riuscita.
llama-4-scout viene tracciato su $0.08 per 1 milione di token di input e $0.30 per 1 milione di token di output. Un tipico carico di lavoro output-to-input 3:1 si riduce a circa $0.24 per 1 milione di token. Le cifre sono dati dimostrativi illustrativi.
Carichi di lavoro misti di testo, immagini, audio e documenti che beneficiano di un unico modello in tutte le modalità.
llama-4-scout supporta fino a una finestra di contesto del token 328K, abbastanza grande per documenti lunghi e conversazioni estese in un'unica richiesta.
All'interno dell'insieme tracciato HotON.ai, llama-4-scout è più economico della 85% dei modelli sul prezzo di input e si classifica #62 di 521 in base all'efficienza complessiva.
Sì: qwen3.5-flash-02-23 è un'opzione a costo inferiore a $0.26 per 1 milione di token di output, pur coprendo casi d'uso Multimodale simili. Confrontali fianco a fianco su HotON.ai.
Il prezzo è reale (tramite il catalogo TestKey, aggiornato quotidianamente). La qualità (Arena Elo) è reale quando il modello è classificato su LMArena. Velocità, disponibilità ed efficienza sono stime modellate.