meta-llama/llama-4-scout
327,680 context · $0.18/M input tokens · $0.59/M output tokens
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...
Prezzi
Pay-per-use
Nessun costo iniziale, paga solo per ciò che usi
Prova il modello
Utilizzo API
Usa i seguenti esempi di codice per integrare la nostra API:
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://llm.wavespeed.ai/v1"
)
response = client.chat.completions.create(
model="meta-llama/llama-4-scout",
messages=[
{"role": "user", "content": "Hello!"}
]
)
print(response.choices[0].message.content)Introduzione al modello
Meta-Llama llama-4-scout
meta-llama llama-4-scout
Why It Looks Great
- Large Language Model architecture for efficient processing
- 327680 context window for long document handling
- Competitive pricing at $0.1/$0.3 per million tokens
Key Features
- Context Window: 327680 tokens
- Max Output: 16384 tokens
- Vision: Supported
- Function Calling: Supported
Specifications
| Specification | Value |
|---|---|
| Provider | Meta-Llama |
| Model Type | Large Language Model (LLM) |
| Architecture | N/A |
| Context Window | 327680 tokens |
| Max Output | 16384 tokens |
| Input | Text |
| Output | Text |
| Vision | Supported |
| Function Calling | Supported |
Pricing
| Token Type | Cost per Million Tokens |
|---|---|
| Input | $0.1 |
| Output | $0.3 |
How to Use
- Write your prompt — describe the task, provide context, and specify desired output format.
- Submit — the model processes your request and returns the response.
API Integration
Base URL: https://llm.wavespeed.ai/v1 API Endpoint: chat/completions Model ID: meta-llama/llama-4-scout
API Usage
Python SDK
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://llm.wavespeed.ai/v1"
)
response = client.chat.completions.create(
model="meta-llama/llama-4-scout",
messages=[
{"role": "user", "content": "Hello!"}
]
)
print(response.choices[0].message.content)cURL
curl https://llm.wavespeed.ai/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "meta-llama/llama-4-scout",
"messages": [{"role": "user", "content": "Hello!"}]
}'Notes
- Model: meta-llama/llama-4-scout
- Provider: Meta-Llama
Info
Funzionalità supportate
Guida all'accesso API
Llama 4 Scout API
meta-llama/llama-4-scout
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...
Input
$0.18 /M
Output
$0.59 /M
Contesto
328K
Output max
16K
Vision
Supportato
Uso strumenti
Supportato
Prova Llama 4 Scout su WaveSpeedAI
Accedi a Llama 4 Scout tramite la nostra API unificata — compatibile con OpenAI, senza cold start, prezzi trasparenti.
Domande frequenti su Llama 4 Scout
Quanto costa Llama 4 Scout via API?+
Prezzi su WaveSpeedAI: $0.18 per milione di token in input e $0.59 per milione di token in output. Prompt caching e batch processing sono fatturati separatamente e riducono il costo effettivo su carichi lunghi e ripetitivi.
Qual è la context window di Llama 4 Scout?+
Llama 4 Scout supporta fino a 328K token di contesto e fino a 16K token di output per richiesta.
Llama 4 Scout è compatibile con OpenAI?+
Sì. WaveSpeedAI espone Llama 4 Scout tramite un endpoint compatibile con OpenAI all'indirizzo https://llm.wavespeed.ai/v1. Punta l'SDK ufficiale di OpenAI a questa base URL con la tua API key WaveSpeedAI — senza altre modifiche al codice.
Come si inizia con Llama 4 Scout?+
Accedi a WaveSpeedAI, crea una API key in Access Keys, poi invia una richiesta a https://llm.wavespeed.ai/v1/chat/completions con il model id mostrato sopra. I nuovi account ricevono crediti gratuiti per testare Llama 4 Scout.