Llama 4.5 Scout — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Llama 4.5 Scout, reported as a June 2026 mid-cycle refresh of Llama 4 Scout retaining the 10M-token context. UNVERIFIED: the specs here are carried from Llama 4 Scout and no primary source has been read. Secondary sources disagree on whether this release happened at all, so treat every figure as provisional until the model card is checked.
Llama 4.5 Scout potrzebuje około 67 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 36.6 GB | ~13 tok/s | Częściowo w RAM | |
| Q3_K_M 3.41 bpw | 47.3 GB | ~11 tok/s | Częściowo w RAM | |
| Q4_K_M 4.83 bpw | 66.6 GB | — | Za duży | |
| Q5_K_M 5.67 bpw | 78.1 GB | — | Za duży | |
| Q6_K 6.56 bpw | 90.2 GB | — | Za duży | |
| Q8_0 8.50 bpw | 116.6 GB | — | Za duży | |
| F16 16.00 bpw | 218.8 GB | — | Za duży |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Llama 4.5 Scout →
Uruchom Llama 4.5 Scout
Najtańsze GPU z naszego katalogu, które uruchomi Llama 4.5 Scout, to NVIDIA DGX Spark (128 GB).
lub porównaj w Vast.ai od $0.77/godz. (typical low · varies)
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić Llama 4.5 Scout
Zainstaluj Ollama, a potem uruchom:
ollama run llama-4-5Specyfikacja
Preview — The model is released, but these specs are thin or rest on a single source. Individual fields may be wrong. Jeszcze niepotwierdzone: existence, params_b_total, params_b_active, context, releaseDate.
Preview — The model is released, but these specs are thin or rest on a single source. Individual fields may be wrong. Jeszcze niepotwierdzone: existence, params_b_total, params_b_active, context, releaseDate.
- Parametry
- 109 Billion (17B active)
- Okno kontekstu
- 10,000,000
- Architektura
- Mixture-of-Experts
- Dostawca
- Meta
- Licencja
- Llama Community
- Practical deployment
- Workstation (large unified memory or pro GPU)
- Określono przy
- Q4_K_M
- RAM systemowy
- 128 GB
- Rekord zaktualizowany
- 2026-06-26
Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
Czy uruchomię Llama 4.5 Scout na moim GPU?
- Llama 4.5 na AMD Ryzen AI Max+ 395
- Llama 4.5 na Apple M1 Max
- Llama 4.5 na Apple M1 Pro
- Llama 4.5 na Apple M1 Ultra
- Llama 4.5 na Apple M2 Max
- Llama 4.5 na Apple M2 Pro
- Llama 4.5 na Apple M3 Max
- Llama 4.5 na Apple M3 Pro
- Llama 4.5 na Apple M4
- Llama 4.5 na Apple M4 Max
- Llama 4.5 na Apple M5
- Llama 4.5 na Apple M5 Max
- Llama 4.5 na Apple M5 Pro
- Llama 4.5 na NVIDIA A100 80GB (PCIe)
- Llama 4.5 na NVIDIA DGX Spark
- Llama 4.5 na NVIDIA GeForce RTX 5090
- Llama 4.5 na NVIDIA H100 80GB (PCIe)
- Llama 4.5 na NVIDIA L40S
- Llama 4.5 na NVIDIA RTX 6000 Ada Generation
- Llama 4.5 na NVIDIA RTX PRO 6000 Blackwell
Llama 4.5 Scout — najczęściej zadawane pytania
How much VRAM does Llama 4.5 Scout need?
About 67 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Llama 4.5 Scout run on an RTX 4090 (24 GB)?
No. Llama 4.5 Scout needs about 67 GB at Q4_K_M, more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.
How do I run Llama 4.5 Scout locally?
Install Ollama and run `ollama run llama-4-5`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.