Meta: Llama 4 Scout：多模态规格、定价与适配
Meta: Llama 4 Scout 在 AI Hippo 榜单排名 #3，1.3M 上下文，$0.10 input / $0.30 output per 1M tokens。含规格、成本测算与横向对比。
速览要点
Meta: Llama 4 Scout（meta-llama）是均衡之选（#3）：1.3M 上下文，定价 $0.10 input / $0.30 output per 1M tokens。目标是"有能力余量又不付顶级价"——当成本和绝对顶尖都不是唯一约束时好用。
规格速览（参数党）
硬指标：1.3M 上下文；多模态（文本/图像/文件输入）；暴露 15 个 API 参数，含工具调用、结构化输出。据此判断是否适配 agent、长上下文或结构化输出场景。
定价与横向对比
定价：$0.10 input / $0.30 output per 1M tokens。其混合价 $0.20 不高于 前 20 中位数（$0.34）。综合榜偏好便宜的长上下文模型，排名靠后代表性价比更弱，而非能力更弱。
正面对比
榜单上离它最近的是 Z.ai: GLM 5.3 Flash（1.3M 上下文，$0.33/1M blended）。并排看，Meta: Llama 4 Scout 是 1.3M 上下文、$0.20/1M blended：上下文相近，混合 token 价更便宜。按你的负载受限于哪一维来二选一。
适用场景
最契合的场景：整仓代码与长文档、截图/PDF/图片理解、工具调用型 agent、结构化输出管线、高并发、成本敏感的批处理.
成本实测与结论
一次典型的 10 万输入 + 2 万输出任务在 Meta: Llama 4 Scout 上约 $0.02。结论：性价比突出，适合作为高并发、对每个 token 都敏感的默认主力。