Llama 4 Scout logo
Meta
•

Open weights model

•

Released April 2025

Llama 4 Scout Benchmarks y análisis de proveedores de API

Comparación de modelos

Análisis de proveedores de API para Llama 4 Scout en métricas de rendimiento como latencia (tiempo hasta el primer token), velocidad de salida (tokens de salida por segundo), precio y otras. Los proveedores de API medidos incluyen DeepInfra, Microsoft Azure, Google Vertex, Cloudflare, Amazon Bedrock, Novita y Groq.

Más rápido

#1
GroqGroq
446.8 t/s
#2
AmazonAmazon
173.9 t/s
#3
Google VertexGoogle Vertex
156.3 t/s
#4
AzureAzure
131.5 t/s
#5
DeepInfraDeepInfra
58.6 t/s

Velocidad de salida

7 proveedores en total

Menor latencia

#1
DeepInfraDeepInfra
0.64 s
#2
Google VertexGoogle Vertex
0.71 s
#3
GroqGroq
0.72 s
#4
AmazonAmazon
0.77 s
#5
AzureAzure
0.84 s

Tiempo hasta el primer token

7 proveedores en total

Menor precio

#1
DeepInfraDeepInfra
$0.12
#2
GroqGroq
$0.13
#3
AmazonAmazon
$0.22
#4
NovitaNovita
$0.22
#5
AzureAzure
$0.26

Precio combinado (por 1M de tokens)

7 proveedores en total

Llama 4 Scout está disponible a través de 7 proveedores de API, cada uno con distintas características de rendimiento y precios. A continuación se comparan las métricas clave entre proveedores.

  • En velocidad de salida, los principales proveedores son Groq (446.8 t/s), Amazon (173.9 t/s) y Google Vertex (156.3 t/s). La velocidad varía significativamente entre proveedores, con una diferencia del 766% entre el más rápido y el más lento.
  • En latencia, DeepInfra (0.64s), Google Vertex (0.71s) y Groq (0.72s) ofrecen el menor tiempo hasta el primer token.
  • En precios, DeepInfra (0.12), Groq (0.13) y Amazon (0.22) ofrecen los menores precios combinados por 1M de tokens. Los precios varían hasta 2.7x entre proveedores.
  • DeepInfra ofrece la menor latencia y los mejores precios, lo que lo hace atractivo para aplicaciones sensibles al costo. Groq es la opción más rápida para cargas de trabajo intensivas en rendimiento.

Aspectos destacados

Velocidad

Output tokens per second · Higher is better

Tiempo de respuesta de extremo a extremo

Seconds · Lower is better

Precio

USD per 1M tokens (blended) · Lower is better

Actualización: La carga de trabajo predeterminada de medición de rendimiento se actualizó a 10k tokens de entrada para reflejar mejor los casos de uso en producción. Aún puedes seleccionar distintas cargas de trabajo arriba.

Precios

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input tokens

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Pricing: Blended Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant
Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Velocidad

Medida por la velocidad de salida (tokens por segundo)

Output Speed: Llama 4 Scout

Output speed: output tokens per second · 10,000 input tokens

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens
Most attractive quadrant
Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Latencia

Medida por el tiempo (segundos) hasta el primer token

Tiempo hasta el primer token

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first token received, in seconds, after API request sent. For reasoning models which share reasoning tokens, this will be the first reasoning token. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

Seconds to receive a 500 token response. Key components:

  • Input time: Time to receive the first response token
  • Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
  • Answer time: Time to generate 500 output tokens, based on output speed

Métricas clave de comparación y funciones de API

Logo de DeepInfraDeepInfra
328k
Abierto
$0.01
61
0.64
8.80
--
Logo de Microsoft AzureMicrosoft Azure
128k
Abierto
$0.01
132
0.82
4.63
--
Logo de GoogleGoogle
1.31M
Abierto
$0.01
153
0.71
3.97
--
Logo de CloudflareCloudflare
131k
Abierto
$0.02
--
--
--
--
Logo de Amazon BedrockAmazon Bedrock
128k
Abierto
$0.01
174
0.79
3.67
--
Logo de NovitaNovita
131k
Abierto
$0.01
54
0.85
10.02
--
Logo de GroqGroq
131k
Abierto
$0.01
446
0.72
1.84
--

Preguntas frecuentes

Preguntas comunes sobre los proveedores de Llama 4 Scout

Llama 4 Scout está disponible a través de 7 proveedores de API: DeepInfra, Azure, Google Vertex, Cloudflare, Amazon, Novita y Groq. Cada proveedor ofrece distintas características de rendimiento y precios.

Llama 4 Scout está disponible actualmente a través de 7 proveedores de API que medimos y monitoreamos.

Los proveedores más rápidos para Llama 4 Scout por velocidad de salida son Groq (446.8 t/s), Amazon (173.9 t/s) y Google Vertex (156.3 t/s). La velocidad de salida mide qué tan rápido se generan tokens después de que el modelo comienza a responder.

Los proveedores con el menor tiempo hasta el primer token para Llama 4 Scout son DeepInfra (0.64s), Google Vertex (0.71s) y Groq (0.72s). Una menor latencia significa una respuesta inicial más rápida.

Los proveedores más económicos para Llama 4 Scout por precio combinado son DeepInfra ($0.12 por 1M de tokens), Groq ($0.13 por 1M de tokens) y Amazon ($0.22 por 1M de tokens). El precio combinado usa una proporción 7:2:1 de aciertos de caché/entrada/salida.

Los proveedores con el menor precio de tokens de entrada para Llama 4 Scout son DeepInfra ($0.10 por 1M de tokens de entrada), Groq ($0.11 por 1M de tokens de entrada) y Amazon ($0.17 por 1M de tokens de entrada).

Los proveedores con el menor precio de tokens de salida para Llama 4 Scout son DeepInfra ($0.30 por 1M de tokens de salida), Groq ($0.34 por 1M de tokens de salida) y Novita ($0.59 por 1M de tokens de salida).

Los precios de Llama 4 Scout varían hasta 2.7x entre proveedores. El más económico es DeepInfra a $0.12 por 1M de tokens, mientras que Cloudflare cobra $0.33 por 1M de tokens.

La velocidad de salida de Llama 4 Scout varía significativamente entre proveedores. Groq es el más rápido a 446.8 t/s, lo que es 8.7x más rápido que Novita a 51.6 t/s.

6 de 7 proveedores admiten el modo JSON para Llama 4 Scout: DeepInfra, Azure, Google Vertex, Cloudflare, Novita y Groq.

6 de 7 proveedores admiten llamadas a funciones para Llama 4 Scout: DeepInfra, Google Vertex, Cloudflare, Amazon, Novita y Groq.

El mejor proveedor para Llama 4 Scout depende de tus prioridades: Groq ofrece la mayor velocidad de salida, DeepInfra tiene la menor latencia y DeepInfra ofrece los precios más competitivos.

Al elegir un proveedor para Llama 4 Scout, considera: velocidad de salida (para tareas intensivas en rendimiento), latencia (para aplicaciones interactivas que requieren primeras respuestas rápidas), precios (para cargas de trabajo sensibles al costo) y funciones de API como el modo JSON o las llamadas a funciones.

Sí, el rendimiento de un proveedor puede variar con el tiempo debido a cambios de infraestructura, balanceo de carga y actualizaciones. Medimos continuamente a todos los proveedores y mostramos las tendencias históricas de rendimiento en los gráficos "a lo largo del tiempo".

Para información sobre la inteligencia, las capacidades, las modalidades de Llama 4 Scout y cómo se compara con otros modelos, consulta la página de resumen del modelo. Ver resumen del modelo