Llama 4 Scout 17B 16E をローカルに導入するには？
Llama 4 Scout 17B 16E は総パラメータ 108.6B、1 トークンあたり 17B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 64GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 10GB + RAM 55GB で動きます。現在最も安く動かせるのは CMP 170HX 64GB（で約 ¥320,867）で、推定 71.5 tokens/s です。オフロード構成で最も安く動かせるのは Tesla V100 16GB で、推定 12 tokens/s です。
Llama 4 Scout 17B 16E のバージョン情報
Llama 4 Scout 17B 16E のローカル実行に必要なVRAMは？
MoE：総パラメータ 108.6B すべてをメモリに常駐させる必要があり、速度は 1 トークンあたり有効な 17B で決まります。
| 量子化 | 重みサイズGB | 8K 時の合計GB | 32K 時の合計GB | 128K 時の合計GB |
|---|---|---|---|---|
| 1-bit | 35GGUF | 28 | 32.5 | 50.5 |
| 2-bit | 42.4GGUF | 42.9 | 47.4 | 65.4 |
| 3-bit | 49GGUF | 54.6 | 59.1 | 77.1 |
| 4-bit | 65.4GGUF | 63.1 | 67.6 | 85.6 |
| 5-bit | 76.5GGUF | 75.8 | 80.3 | 98.3 |
| 8-bit | 114.5GGUF | 115.1 | 119.6 | 137.6 |
| FP16 | 215.6GGUF | 215 | 219.5 | 237.5 |
合計 = 重み + KV キャッシュ（FP16）+ 実行時オーバーヘッド 1GB。GGUF と付いた重みはリポジトリの実測ファイルサイズ、「推定」はパラメータあたりのバイト数からの概算です。このモデルの上限 10M を超えるコンテキストは「—」と表示します。各段はリポジトリにあるそのビット幅のファイルを使い、unsloth 動的量子化を優先するため、ファイル名はモデルごとに異なります。
Llama 4 Scout 17B 16E を動かせるGPUは？
Xianyu
| デバイス | VRAMGB | 価格 | 推定 t/s | 推奨コンテキスト |
|---|---|---|---|---|
 CMP 170HX 64GB | 64 | ¥320,8678 件の出品 | 71.5 | 8K |
 Instinct MI210 | 64 | ¥422,49412 件の出品 | 59.7 | 8K |
| Mac Studio M4 Max 128GB | 128 | ¥735,36813 件の出品 | 25.8 | 128K |
| DGX Spark 128GB | 128 | ¥742,21931 件の出品 | 17.1 | 128K |
| MacBook Pro M4 Max 128GB | 128 | ¥808,4484 件の出品 | 25.8 | 128K |
| Mac Studio M5 Max 128GB | 128 | ¥903,2236 件の出品 | 28.6 | 128K |
| MacBook Pro M5 Max 128GB | 128 | ¥1,251,4957 件の出品 | 28.6 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥1,484,43817 件の出品 | 66.2 | 32K |
| RTX PRO 6000D | 84 | ¥1,552,95117 件の出品 | 74 | 32K |
| RTX PRO 6000 Blackwell | 96 | ¥2,829,5676 件の出品 | 81.2 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | ¥2,966,5926 件の出品 | 36.8 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —出品なし | 11.7 | 128K |
判定基準：重み + KV キャッシュ + 実行時オーバーヘッド ≤ 利用可能メモリ、1 枚構成。MoE モデルの「オフロード」はエキスパート重みをシステム RAM に置けば動作することを示し（VRAM にはアテンション層と KV キャッシュのみ）、その速度は RAM 帯域幅 70 GB/s を前提に推定。コンテキスト列は収まる最大段階です。
Llama 4 Scout 17B 16E のCPU・GPU併用推論におすすめのGPU
Xianyu
エキスパート重みはシステム RAM に置き（55 GB 以上が必要）、VRAM にはアテンション層・共有エキスパート・KV キャッシュのみで Q4 なら最低 10 GB。速度は RAM 帯域幅（70 GB/s で推定）に縛られ、全量 VRAM 構成よりかなり遅くなります。
Ollama / llama.cpp / vLLM で Llama 4 Scout 17B 16E をローカルに導入する
Ollama は 1 コマンドで取得して起動します。量子化は公式タグに従います。
ollama run llama4:scout
llama.cpp は Hugging Face から GGUF を直接取得します。-c はコンテキスト長です。
llama-server -hf unsloth/Llama-4-Scout-17B-16E-Instruct-GGUF:Q4_K_M -c 8192
vLLM は元の精度の重みを読み込むため、GGUF よりはるかに多くのメモリ（通常は複数枚）が必要です。
vllm serve meta-llama/Llama-4-Scout-17B-16E-Instruct
ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法
よくある質問
Llama 4 Scout 17B 16E にはどれくらいのVRAMが必要ですか？
Q4_K_M・8K コンテキストでは Llama 4 Scout 17B 16E に約 64GB のVRAMが必要で、76GB あれば余裕があります。
Llama 4 Scout 17B 16E を動かせる最も安いGPUは？
CMP 170HX 64GB です。VRAM 64GB、現在の中央値は約 ¥320,867、推定 71.5 tokens/s。
Llama 4 Scout 17B 16E は Ollama で動かせますか？
はい。ollama run llama4:scout で動きます。