Llama 4 Scout (109B / 17B-16E MoE) — Requisitos de VRAM, Matriz de Quantização e Guia de GPU
Llama 4 Scout (109B / 17B-16E MoE) (Meta Llama, Llama 4 Community) é uma arquitetura Mistura de Especialistas (MoE) com 109B parâmetros residentes (17.2B ativos por token), 48 camadas e Janela Deslizante Híbrida (SWA) suportando até 10,485,760 tokens de contexto.
Simulador Interativo de Memória e Contexto para Llama 4 Scout (109B / 17B-16E MoE)
Matriz de VRAM por Precisão e Quantização (Contexto 8K / 32K / 128K)
| Precisão / Formato | bpw Efetivo | Apenas Pesos | Total @ 8K ctx | Total @ 32K ctx | Total @ 128K ctx | Nível Recomendado (@ 32K) |
|---|---|---|---|---|---|---|
| FP16 / BF16 | 16.00 bpw | 203.03 GB | 211.82 GB | 212.95 GB | 217.45 GB | Mac Studio 512GB |
| FP8 | 8.50 bpw | 107.86 GB | 113.80 GB | 114.92 GB | 119.42 GB | NVIDIA H200 141GB |
| Q8_0 | 8.50 bpw | 107.86 GB | 113.80 GB | 114.92 GB | 119.42 GB | NVIDIA H200 141GB |
| Q6_K | 6.56 bpw | 83.24 GB | 88.44 GB | 89.57 GB | 94.07 GB | RTX PRO 6000 96GB |
| Q5_K_M | 5.69 bpw | 72.20 GB | 77.07 GB | 78.20 GB | 82.70 GB | RTX PRO 6000 96GB |
| Q4_K_M | 4.85 bpw | 61.54 GB | 66.09 GB | 67.22 GB | 71.72 GB | NVIDIA A100 80GB |
| AWQ INT4 | 4.50 bpw | 57.10 GB | 61.52 GB | 62.64 GB | 67.14 GB | NVIDIA A100 80GB |
| IQ4_XS | 4.25 bpw | 53.93 GB | 58.25 GB | 59.37 GB | 63.87 GB | NVIDIA A100 80GB |
Compatibilidade de Hardware e Velocidade de Decodificação (Llama 4 Scout (109B / 17B-16E MoE) @ Q4_K_M, 32K)
| Nível de Hardware | Memória e Banda | Exigido (32K) | Veredito de Ajuste | Velocidade Est. |
|---|---|---|---|---|
| RTX 3090 24GB | 24 GB · 936 GB/s | 67.22 GB (280%) | Memória Insuficiente (OOM) | — |
| RTX 4090 24GB | 24 GB · 1008 GB/s | 67.22 GB (280%) | Memória Insuficiente (OOM) | — |
| RTX 5090 32GB | 32 GB · 1792 GB/s | 67.22 GB (210%) | Memória Insuficiente (OOM) | — |
| Apple M-Max 64GB | 64 GB · 546 GB/s | 65.95 GB (103%) | Memória Insuficiente (OOM) | — |
| Mac Studio 128GB | 128 GB · 546 GB/s | 65.95 GB (52%) | Cabe com Folga | 24.3 tok/s |
| Mac Studio 192GB | 192 GB · 800 GB/s | 65.95 GB (34%) | Cabe com Folga | 35.6 tok/s |
| NVIDIA A100 80GB | 80 GB · 2039 GB/s | 67.22 GB (84%) | Ajuste Apertado (>90% Útil) | 102.0 tok/s |
| NVIDIA H100 80GB | 80 GB · 3350 GB/s | 67.22 GB (84%) | Ajuste Apertado (>90% Útil) | 167.5 tok/s |
Parâmetros Verificados da Arquitetura Transformer
- Checkpoint ID
- meta-llama/Llama-4-Scout-17B-16E-Instruct
- Ollama Tag
- llama4:scout
- License / Release
- Llama 4 Community · 2025-Q2
- Topologia e Atenção
- Mistura de Especialistas (MoE)
- Mecanismo de Atenção
- Janela Deslizante Híbrida (SWA)
- Parâmetros Totais (B)
- 109B
- Parâmetros Ativos / Token (B)
- 17.2B
- Camadas Ocultas / Dimensão Oculta
- 48 / 5120
- Cabeças de Consulta / Cabeças KV
- 40Q / 8KV (d=128)
- Sliding Window
- 8192 (75% local)
- MoE Routed Experts
- 1 active / 16 total
- Vocab / Max Position
- 202,048 / 10,485,760
Formatos quantizados armazenam fatores de escala e pontos zero por bloco junto aos pesos inteiros compactados. Um checkpoint GGUF Q4_K_M de 4 bits tem média de 4,85 bits efetivos por parâmetro (e não 4,00), enquanto Q8_0 tem média de 8,50 bpw. Em modelos Mixture-of-Experts, todos os especialistas roteados e compartilhados permanecem residentes na memória para evitar paginação a cada token.
O Grouped-Query Attention padrão aloca 2 × L × H_kv × d_head × S × B × bytes_kv entre as camadas. O DeepSeek Multi-head Latent Attention (MLA) comprime chaves e valores em L × (d_kv_lora + d_qk_rope) × S × B × bytes_kv, cortando a memória de contexto longo em mais de 90%. Modelos híbridos de janela deslizante limitam camadas de atenção local a min(S, window_size) enquanto escalam camadas globais linearmente com S.
Comandos Rápidos de vLLM e Ollama para Llama 4 Scout (109B / 17B-16E MoE)
vllm serve meta-llama/Llama-4-Scout-17B-16E-Instruct \
--tensor-parallel-size 1 \
--max-model-len 32768 \
--max-num-seqs 8 \
--gpu-memory-utilization 0.95 \
--kv-cache-dtype fp8 \
--enable-prefix-caching \
--port 8000# Save as Modelfile, then run: ollama create llama-4-scout-custom -f Modelfile
FROM llama4:scout
PARAMETER num_ctx 32768
PARAMETER num_batch 512
PARAMETER flash_attn true
# Environment variables for ollama serve:
# OLLAMA_NUM_PARALLEL=8 OLLAMA_FLASH_ATTENTION=1 OLLAMA_KV_CACHE_TYPE=q8_0 ollama serveComparar Modelos Irmãos e de Escala Semelhante
Llama 3.3 70B Instruct
Meta Llama · 70.6B (GQA)
Llama 3.1 8B Instruct
Meta Llama · 8.03B (GQA)
Llama 4 Maverick (400B / 17B-128E MoE)
Meta Llama · 402B (GQA)
Llama 3.1 405B Instruct
Meta Llama · 405B (GQA)
Cohere Command A (111B)
Cohere · 111B (HYBRID_SWA)
Mistral Large 2411 (123B)
Mistral · 123B (GQA)