meta-llama-Llama-4-Scout-17B-16E-6bit
meta-llama-Llama-4-Scout-17B-16E-6bitはmlx-communityによる17億パラメータのチャットモデルです（2025年4月6日リリース）。meta-llama-Llama-4-Scout-17B-16E-6bit is an open-weights chat model with roughly 17 billion parameters.
by mlx-community · 17Bパラメータ
得意な用途
osFoundryでのmeta-llama-Llama-4-Scout-17B-16E-6bitの使い方
ご自身のキーで接続（BYOK）
キーダイアログを開き、mlx-communityのAPIキーを貼り付けるだけで、osFoundryがmeta-llama-Llama-4-Scout-17B-16E-6bitを自動的に検出します。パイプラインタブでMaestroのロール（router、direct、orchestrator、fallback）に割り当てれば、すべてのチャットですぐに利用できます。ご自身のキー・ご自身のプロバイダーアカウントで、トークン手数料は一切上乗せしません。
専用エンドポイントをデプロイ
meta-llama-Llama-4-Scout-17B-16E-6bitはオープンウェイトです。ローカルで無料で実行することも、ワークスペースに専用GPUエンドポイントをデプロイして、レート制限のない予約済み容量を確保することもできます。
Room Appで使う
Room Appはマニフェストで AI 機能を宣言し、invokeAIで呼び出します:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
ご自身のアプリから呼び出す
モデルをワークスペースに組み込めば、APIとしてホストして、osFoundryの外側にあるご自身のサービス・スクリプト・CIから呼び出すことができます。
meta-llama-Llama-4-Scout-17B-16E-6bitを動かせるハードウェア
meta-llama-Llama-4-Scout-17B-16E-6bitは16GBのコンシューマー向けGPU1枚で動作します（KVキャッシュの余裕を含めて約11 GBのVRAM）。フル精度推論はH100 80GB 1枚にFP16精度で収まります（約41 GB）。
meta-llama-Llama-4-Scout-17B-16E-6bitと類似モデルの比較
ライセンス
未指定 — ライセンス条件が明示されていません。商用利用の前に上流のモデルカードをご確認ください。
上流のドキュメントをご確認ください。
meta-llama-Llama-4-Scout-17B-16E-6bitについてのよくある質問
meta-llama-Llama-4-Scout-17B-16E-6bitは無料で使えますか？
meta-llama-Llama-4-Scout-17B-16E-6bitはご自身のハードウェアでローカル実行する場合は無料です。osFoundry経由のホスティングアクセスは従量課金（入力 Free (local)、出力 Free (local)）となります。ローカルとホスティングはいつでも切り替えられます。
meta-llama-Llama-4-Scout-17B-16E-6bitを商用利用できますか？
条件付きで商用利用が許可されています。 ライセンス条件が明示されていません。商用利用の前に上流のモデルカードをご確認ください。 上流のドキュメントをご確認ください。
meta-llama-Llama-4-Scout-17B-16E-6bitに必要なVRAMはどれくらいですか？
Q4量子化で約11 GB、フルFP16精度で約41 GBが目安です。24GBのコンシューマー向けGPU1枚で動作します。
meta-llama-Llama-4-Scout-17B-16E-6bitをローカルで実行できますか？
はい。meta-llama-Llama-4-Scout-17B-16E-6bitはオープンウェイトで、ワークステーション向けGPUでローカル実行できます。osFoundryのローカルランタイムがモデルのロード、量子化、ルーティングを処理します。
meta-llama-Llama-4-Scout-17B-16E-6bitが最も得意なことは何ですか？
meta-llama-Llama-4-Scout-17B-16E-6bitはtext generationに適しています。
osFoundryでmeta-llama-Llama-4-Scout-17B-16E-6bitをどう使えばよいですか？
キーダイアログでmlx-community APIキーを貼り付け（セルフホスト可能なモデルの場合はオープンウェイトをデプロイ）、パイプラインタブでmeta-llama-Llama-4-Scout-17B-16E-6bitをMaestroのロールに割り当てれば、チャット、invokeAI経由のRoom App、ご自身のアプリから利用できます。
mlx-communityにより公開（2025年4月6日）。 出典: https://huggingface.co/mlx-community/meta-llama-Llama-4-Scout-17B-16E-6bit