Llama 4 Scout: en AI som kan lese 10 millioner ord i ett enkelt prompt
Meta lanserte Llama 4 Scout med et kontekstvindu på 10 millioner tokens — nok til å lese hele Wikipedia og skrive en analyse. Det er en 500x økning fra GPT-3.5 sin kontekst.
Hva ville du gjort med en AI som kunne lese hele databasen din, all historisk korrespondanse og samtlige produktdokumenter — i ett enkelt spørsmål?
Det er ikke lenger en hypotetisk. Meta Llama 4 Scout har et kontekstvindu på 10 millioner tokens — tilsvarende omtrent 10 millioner ord, eller 7.500 gjennomsnittlige fagbøker.
Hva betyr dette praktisk? - Send inn alle møtenotater fra de siste fem årene og be om en trend-analyse - Last opp hele juridiske kontraktshistorikken og søk etter motstridende klausuler - Analyser all kundekorrespondanse for å finne tilbakevendende problemer - Overfør komplett kodebase og be om sikkerhetsgjennomgang
Sammenligning av kontekstvindu-størrelse: - GPT-3.5: 16.000 tokens (ca. 12.000 ord) - GPT-4o: 128.000 tokens (ca. 96.000 ord) - Claude 4 Opus: 500.000 tokens (ca. 375.000 ord) - Llama 4 Scout: 10.000.000 tokens (ca. 7.500.000 ord)
Åpen kildekode med praktisk begrensning: Scout er åpen kildekode, men å dra nytte av 10 millioner tokens krever betydelig GPU-kapasitet. Det er ikke en modell du kjører på en bærbar PC — men det er en modell du kan kjøre på en dedikert bedriftsserver uten å betale per-token til et skyselskap.
For norske bedrifter med store mengder historiske data representerer Scout en mulighet til å gjøre analytisk AI tilgjengelig for hele datasettet, ikke bare utdrag.