Llama 4 Scout 17B (16E)

在本地运行 Llama 4 Scout 17B (16E)

在 Q4_K_M、4K 上下文下，Llama 4 Scout 17B (16E) 约需 69.9 GB —— 权重 62.8 GB、KV 缓存 0.75 GB、激活缓冲 6.3 GB。本索引中能宽裕跑它的最小规格是 80 GB 显卡 —— 共 2 张，A100 80G 起步；76 张卡中有 10 张可以。这些是计算值而非实测值：估算把「宽裕」的界线画在显存的 88%，大致就是桌面环境需要留出的余量。

上下文变长会多花多少

从 4K 提到 32K 约多占 1.95 GB，总量来到 72.0 GB。这比参数量给人的印象要温和：48 层中只有 12 层的 KV 缓存会随上下文增长，另有 36 层被滑动窗口封顶，因此缓存的增速只有常规架构的一小部分。该模型的原生上下文是 10M；在 Q4_K_M 下把它全部撑满约需 598 GB。

该下载哪个版本

本索引收录了它的 2 种格式 —— GGUF、AWQ —— 共 3 个档位。 其中 Q4_K_M 的公开困惑度损失最低，为 2.4%。本站硬件上没有该模型的吞吐实测数据。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行；AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM；EXL2 是 ExLlamaV2 —— 仅限 CUDA，而且已经归档，适合本机使用而不适合提供服务。

常见问题

Llama 4 Scout 17B (16E) 需要多少显存？

在 Q4_K_M、4K 上下文、batch 1 下约 69.9 GB，到 32K 时约 72.0 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲，由模型架构计算得出，不是在显卡上实测的。

Llama 4 Scout 17B (16E) 能在 80GB 显卡上跑吗？

可以 —— 在 Q4_K_M、4K 上下文下约需 69.9 GB，在 A100 80G 上还剩 10.1 GB，本索引中 2 张 80 GB 显卡都一样。这是能宽裕跑它的最小规格；76 张中有 10 张可以。

Llama 4 Scout 17B (16E) 该用哪个量化档位？

Q4_K_M 的公开质量损失最低（2.4%），而 Q4_K_M 是多数人实际使用的档位。索引中的 3 个档位是 Q4_K_M、Q3_K_M、AWQ INT4。 注意这是 MoE 模型 —— 尽管每个 token 只激活一部分参数，全部参数仍需驻留显存，因此显存开销按总参数量算，而不是激活参数量。