A Meta lançou o Llama 4 com dois modelos que parecem quase idênticos numa ficha técnica e se comportam de forma bem diferente na prática. Scout e Maverick ativam ambos 17 bilhões de parâmetros por token, mas um é um modelo de 109B feito para um contexto gigantesco, e o outro é um modelo de 400B feito para qualidade bruta. Se você está tentando escolher entre os dois, ou só quer saber se os números de destaque se sustentam, esta é a análise com os dados lado a lado.
Tudo o que está abaixo usa as notas que a Meta publicou no model card das versões ajustadas para instruções, e eu aponto onde os rankings de terceiros discordam. Benchmarks são um ponto de partida, não um veredito, então também explico o que cada número diz e não diz sobre trabalho real.
A versão curta
Aqui está a história inteira numa tabela, antes de entrarmos nos detalhes.
| Especificação | Llama 4 Scout | Llama 4 Maverick |
|---|
| Parâmetros totais | 109B | 400B |
| Parâmetros ativos por token | 17B | 17B |
| Especialistas | 16 | 128 |
| Janela de contexto | Até 10M tokens | Até 1M tokens |
| LiveCodeBench (0-shot) | 32,8 | 43,4 |
| MMLU Pro (0-shot) | 74,3 | 80,5 |
| GPQA Diamond | 57,2 | 69,8 |
O padrão é simples. O Maverick vence em todos os benchmarks de qualidade, muitas vezes por 6 a 12 pontos. O Scout vence em tamanho de contexto e em quão facilmente cabe no hardware. Nenhum dos dois é a resposta certa para todo mundo.

Números de desempenho do Scout
Llama 4 Scout Instruct é o irmão menor, e "menor" é relativo. Ele tem 109 bilhões de parâmetros no total, divididos em 16 especialistas, com apenas 17 bilhões ativos para cada token. Trata-se de um desenho de mistura de especialistas: o modelo encaminha cada token para um pequeno grupo de especialistas, em vez de acionar a rede inteira.
Parâmetros ativos e totais
A contagem ativa é o que define a velocidade e o cálculo por token. A contagem total é o que define a memória. Você paga pelos 109B em armazenamento, mas só calcula com 17B por vez. É por isso que o Scout pode parecer rápido para o seu tamanho e ainda assim precisar de uma configuração séria de GPU para ser hospedado. A Meta afirmou que o Scout cabe numa única GPU H100 quando quantizado para Int4, que é a principal alegação para quem hospeda por conta própria.
A alegação dos 10 milhões de tokens
O recurso mais comentado do Scout é uma janela de contexto de até 10 milhões de tokens. No papel, isso basta para engolir repositórios de código inteiros, anos de transcrições de reuniões ou uma prateleira de processos jurídicos em um único prompt.

💡 Choque de realidade: usuários iniciais relataram que a qualidade efetiva começou a cair por volta de 32.000 tokens em algumas configurações hospedadas. Muitos provedores também limitam a janela bem abaixo de 10M para controlar o custo de memória. Uma janela grande anunciada é um teto, não uma promessa, então sempre teste com seus próprios documentos longos.
Onde o Scout se sai bem
O Scout marca 74,3 no MMLU Pro e 57,2 no GPQA Diamond. São números respeitáveis para um modelo desse porte, e servem bem para resumos, extração, rascunhos de atendimento ao cliente e perguntas e respostas gerais. Onde ele fica para trás é no raciocínio difícil e em código, e é aí que entra o modelo maior.

O tamanho do Maverick explicado
Llama 4 Maverick Instruct é o peso-pesado da dupla. Ele tem 400 bilhões de parâmetros totais e os mesmos 17 bilhões ativos, mas distribuídos em 128 especialistas em vez de 16. Mais especialistas significam mais especialização, e isso aparece nas notas.
400B no papel, 17B em execução
Esta é a parte que confunde as pessoas. Um modelo de 400B parece dez vezes mais lento que um de 40B. Não é o caso, porque o cálculo por token depende dos parâmetros ativos. O Maverick gera tokens com um custo de cálculo praticamente igual ao do Scout. O que muda é a conta de memória: você precisa de espaço para guardar todos os 400B de pesos, mesmo que a maioria fique ociosa a cada token.

Por que 128 especialistas importam
Com 128 especialistas, o roteador tem muito mais escolha sobre qual especialista processa um token. Na prática, isso dá ao Maverick melhor cobertura de temas de nicho, tratamento de código mais forte e raciocínio em várias etapas mais confiável. O modelo também adiciona camadas densas e de especialistas alternadas, que a Meta credita por manter a qualidade alta sem explodir o custo.
A realidade do hardware
A Meta descreveu o Maverick como cabendo num único host H100 DGX, o que significa um servidor com oito GPUs em vez de uma placa só. Isso coloca a hospedagem própria fora do alcance da maioria dos entusiastas. Para todo o resto, o acesso hospedado é a rota sensata, e é exatamente aí que uma plataforma como o PicassoIA ajuda, já que você pode executá-lo pelo navegador sem possuir nenhuma GPU.

| Pergunta sobre hospedagem | Scout | Maverick |
|---|
| Pegada de memória | Moderada | Muito grande |
| Possível em uma GPU só? | Sim, com quantização Int4 | Não, precisa de um host com várias GPUs |
| Velocidade por token | Rápida | Rápida, cálculo ativo semelhante |
| Melhor uso | Contexto longo, orçamentos mais apertados | Cargas em que a qualidade vem primeiro |
Notas de programação lado a lado
Programação é o que mais interessa à maioria dos leitores, então vou ser direto: o Maverick é claramente o melhor programador dos dois.
Resultados no LiveCodeBench
O model card da Meta lista 32,8 para o Scout e 43,4 para o Maverick no LiveCodeBench, medidos em problemas lançados entre outubro de 2024 e fevereiro de 2025, com prompts zero-shot. É uma diferença de mais de 10 pontos, o que é grande para um benchmark desse tipo. Alguns sites de comparação de terceiros colocam o Maverick mais perto de 39,7, o que provavelmente reflete uma configuração de avaliação diferente, e não um modelo diferente.
O que o número significa para o trabalho real
O LiveCodeBench testa problemas no estilo de competição: quebra-cabeças autocontidos com uma resposta certa clara. A engenharia do dia a dia é mais bagunçada. Você lê código desconhecido, edita vários arquivos, lida com requisitos meio escritos. Um modelo com 43 no LiveCodeBench ainda vai tropeçar em grandes refatorações, e um com 32 ainda vai escrever boilerplate, testes e pequenos utilitários perfeitamente bons.
💡 Regra prática: use o Scout para explicar código, escrever docstrings, gerar testes unitários e resumir um repositório. Use o Maverick quando precisar de lógica correta na primeira tentativa.
As notas de raciocínio confirmam
A mesma diferença aparece no GPQA Diamond, um conjunto de questões de ciências em nível de pós-graduação: 57,2 para o Scout contra 69,8 para o Maverick. No MMLU Pro, uma versão mais difícil do clássico teste de conhecimento, os números são 74,3 e 80,5. Até os modelos base pré-treinados seguem a mesma tendência, com MMLU Pro (5-shot) de 58,2 para o Scout e 62,9 para o Maverick.
| Benchmark | Scout | Maverick | Diferença |
|---|
| LiveCodeBench | 32,8 | 43,4 | +10,6 |
| MMLU Pro | 74,3 | 80,5 | +6,2 |
| GPQA Diamond | 57,2 | 69,8 | +12,6 |
| MMLU Pro (base, 5-shot) | 58,2 | 62,9 | +4,7 |

Como ler benchmarks sem se deixar enganar
Os números em um model card são organizados. O mundo real não é. Há algumas coisas a ter em mente antes de citar qualquer um desses dados numa decisão.
A polêmica do LMArena
Quando o Llama 4 foi lançado, a Meta destacou uma boa posição no ranking de chat do LMArena. Depois se descobriu que a versão testada ali era uma variante experimental ajustada para chat, e não a versão disponível ao público. A reação da comunidade foi dura e lançou uma sombra sobre o lançamento. Os model cards em si não estão em disputa, mas o episódio é um bom lembrete para confiar em benchmarks que você consegue reproduzir.
As configurações de avaliação mudam tudo
O mesmo modelo pode marcar vários pontos de diferença dependendo de:
- Número de shots: prompts zero-shot versus five-shot
- Template de prompt: a redação e a formatação exatas usadas
- Janela de datas: o LiveCodeBench incorpora novos problemas com o tempo
- Configurações de amostragem: temperatura, número de tentativas, orçamento de raciocínio
É por isso que você vai ver a nota do MMLU Pro do Scout citada como 74,3 em um lugar e um número bem menor em outro. Compare números apenas quando vierem da mesma configuração.
Tamanho de contexto não é qualidade de contexto
Uma janela de 10M é uma conquista de engenharia, mas a precisão de recuperação ao longo dessa janela varia conforme a tarefa. Testes de agulha no palheiro são o caso fácil. Raciocinar sobre fatos espalhados é o difícil. Trate o contexto longo como uma capacidade a verificar, não como uma suposição.
Qual modelo Llama 4 serve para você

Escolha o Scout se
- Você trabalha com entradas muito longas, como bases de código completas, transcrições longas ou coleções de documentos
- Você quer um modelo mais leve para hospedar e mais barato de rodar em escala
- Suas tarefas são resumos, rascunhos, classificação ou perguntas e respostas
- Velocidade importa mais do que arrancar os últimos pontos de precisão
Escolha o Maverick se
- Você precisa de geração de código e lógica mais fortes
- Você lida com raciocínio mais difícil, perguntas técnicas ou tarefas em várias etapas
- Você trabalha com imagens e texto juntos e quer a faixa de qualidade mais alta
- A qualidade da saída importa mais do que o custo de memória
Considere alternativas mais novas
O Llama 4 chegou em abril de 2025, e o campo avançou. Se a liderança em benchmarks é sua prioridade, dê uma olhada também nas opções mais novas do PicassoIA. O GPT 5.6 Sol é feito para tarefas de programação exigentes, o Claude Sonnet 5 é um assistente de programação forte, o Gemini 3.1 Pro lida bem com prompts longos e multimodais, e o Deepseek v3.1 é outra opção de mistura de especialistas de pesos abertos que vale testar. O Llama 4 continua atraente pelos pesos abertos e pela licença flexível, mas já não é o único nome na conversa.
Como usar o Llama 4 no PicassoIA
Os dois modelos estão disponíveis no PicassoIA, então você pode fazer sua própria comparação sem instalar nada. Esta é a forma mais rápida de verificar se a diferença de benchmark importa para as suas tarefas.

Passo a passo
- Abra a página do modelo. Acesse o Llama 4 Scout Instruct ou o Llama 4 Maverick Instruct.
- Escreva um prompt preciso. Diga a tarefa, o formato que você quer e quaisquer restrições. Para código, cole a função relevante e descreva o comportamento esperado.
- Defina seus parâmetros. Diminua a temperatura (por volta de 0,2 a 0,4) para código e fatos, e aumente (0,7 a 0,9) para rascunhos criativos.
- Limite o tamanho da saída. Defina um número máximo de tokens razoável para que as respostas fiquem focadas e rápidas.
- Execute e compare. Envie o mesmo prompt para os dois modelos e leia as saídas lado a lado.
Dicas de parâmetros que ajudam
- Seja explícito sobre o formato. Peça "somente o código, sem explicação" ou "uma tabela com três colunas" e os dois modelos seguem bem.
- Divida tarefas grandes em etapas. Mesmo com contexto grande, um prompt em etapas gera resultados mais confiáveis do que um único pedido gigante.
- Use uma linha de abertura no estilo de sistema. Uma instrução curta de papel, como "Você é um revisor sênior cuidadoso", melhora o tom e a precisão.
- Teste com seus próprios dados. Cole um documento real ou um bug real. Sua própria amostra vale mais do que qualquer benchmark público.
💡 Teste rápido de comparação: pegue um bug difícil do seu próprio projeto, cole nos dois modelos e peça uma correção com explicação. A diferença na qualidade do raciocínio costuma aparecer na primeira resposta.
Um fluxo de trabalho simples
Comece com o Scout para rascunhos, resumos e exploração, porque ele é mais leve. Passe para o Maverick quando a tarefa exigir precisão, como um algoritmo complicado ou um relatório técnico com afirmações exatas. Essa abordagem em dois níveis mantém a qualidade alta sem usar o modelo maior à toa.
Veredito final sobre os números
Scout e Maverick compartilham o mesmo tamanho ativo, mas são ferramentas diferentes. O Scout é o cavalo de batalha de contexto longo, com teto de 10M tokens, necessidades de hospedagem mais leves e notas gerais sólidas. O Maverick é a escolha de qualidade, com 400B de tamanho total, 128 especialistas e vantagens claras no LiveCodeBench (43,4 contra 32,8), no MMLU Pro (80,5 contra 74,3) e no GPQA Diamond (69,8 contra 57,2).

Rode seu próprio benchmark hoje
O melhor benchmark é o que você constrói com o seu próprio trabalho. Abra o Llama 4 Scout Instruct e o Llama 4 Maverick Instruct em duas abas no PicassoIA, envie a eles o mesmo prompt real e veja qual resposta você realmente usaria. Depois, experimente alguns dos modelos mais novos da coleção completa de modelos, combine seu texto com imagens e vídeos dos geradores da plataforma e monte um fluxo de trabalho que se encaixe no seu jeito de criar. Comece com um prompt e compare os resultados você mesmo.