Сравнение моделей Llama 4 Scout vs GLM 4.6V

× meta-llama/llama-4-scout

Llama 4 Scout 17B Instruct (16E) — языковая модель Mixture‑of‑Experts (MoE), разработанная Meta, активирующая 17 млрд параметров из общего числа 109B. Она поддерживает нативный мультимодальный ввод (текст и изображение) и многоязычные выходы (текст и код) на 12 поддерживаемых языках. Созданная для ассистентных сценариев и визуальных рассуждений, Scout использует 16 экспертов на проход и имеет контекст длиной 10 миллионов токенов, при обучающем корпусе около 40 трлн токенов. Разработанная для высокой эффективности и локального или коммерческого развёртывания, Llama 4 Scout использует раннее слияние модальностей для бесшовной интеграции. Она обучена на инструкции для многоязычного чата, описания и понимания изображений. Выпущена под лицензией Llama 4 Community License, последняя итерация обучения — данные до августа 2024 года, публичный релиз — 5 апреля 2025 года.

× z-ai/glm-4.6v

GLM-4.6V — крупная мультимодальная модель, предназначенная для высокоточной визуальной интерпретации и рассуждений на длинном контексте по изображениям, документам и смешанным медиа. Она поддерживает до 128K токенов, обрабатывает сложные макеты страниц и графики напрямую как визуальные входы и интегрирует нативный мультимодальный вызов функций, связывая восприятие с выполнением инструментов. Модель также поддерживает чередуемую генерацию изображений и текста и рабочие процессы реконструкции UI, включая преобразование скриншотов в HTML и итеративное визуальное редактирование.