主要な結論
Metaは4月末に Llama 4 Scout を発表 — 17B活性化パラメータ / 109B総パラメータのMoE（混合エキスパート）モデル。
- 1000万Tokenコンテキストウィンドウ：300ページのドキュメントをチャンク分割なしで直接処理
- $0.08/M Token入力価格：アグリゲータ経由でOpenAI互換APIを使用
- オープンウェイト：Muse Sparkがクローズド化する前の、最後のオープンMetaモデル層
アーキテクチャ解读
MoE設計
| パラメータ | 値 | 意味 |
|---|---|---|
| 総パラメータ | 109B | モデル知識の「総容量」 |
| 活性化パラメータ | 17B | 推論時に実際に使用される量 |
| エキスパート数 | 16 | ルーティング可能なサブネットワーク数 |
MoEアーキテクチャの核心：109Bパラメータの知識量を持ちながら、推論コストは17Bモデル並み。
価格比較
| モデル | 入力価格 ($/M Token) | コンテキスト | 公開 |
|---|---|---|---|
| Llama 4 Scout | $0.08 | 10M | ✅ |
| GPT-5.5 | $2.50 | 1M | ❌ |
| Claude Opus 4.7 | $15.00 | 200K | ❌ |
| DeepSeek-V4-Flash | $0.14 | 1M | ✅ |
まとめ
Llama 4 Scoutは最強のモデルではないが、最も実用的なモデル — 超低コストで長文書処理の真の課題（チャンク分割の必要性）を解決する。
Metaのオープンソース戦略は「全面公開」から「階層公開」へ移行中。Llama 4 Scoutは最後のチャンスかもしれない。