Llama 4 Scout 17B 16E 如何本地部署？
Llama 4 Scout 17B 16E 是 MoE 模型，總參數 108.6B，每 token 啟用 17B。Q4 量化整機放顯存需要 64GB；把專家放進系統記憶體後只需 10GB 顯存 + 55GB 記憶體。目前最便宜能跑的顯示卡是 CMP 170HX 64GB，約 NT$65,743，預估 71.5 tokens/s。卸載模式下最便宜能跑的顯示卡是 Tesla V100 16GB，預估 12 tokens/s。
Llama 4 Scout 17B 16E 版本資訊
Llama 4 Scout 17B 16E 本地部署需要多少顯示記憶體？
MoE：總參數 108.6B 全部要常駐記憶體，速度按每 token 啟用的 17B 計算。
| 量化 | 權重體積GB | 8K 總記憶體GB | 32K 總記憶體GB | 128K 總記憶體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 |
總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 10M 上下文上限的檔位寫「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。
什麼顯示卡能跑 Llama 4 Scout 17B 16E？
閒魚
| 裝置 | 顯存GB | 價 | 預估 t/s | 建議上下文 |
|---|---|---|---|---|
 CMP 170HX 64GB | 64 | NT$65,7438 筆掛單 | 71.5 | 8K |
 Instinct MI210 | 64 | NT$86,56612 筆掛單 | 59.7 | 8K |
| Mac Studio M4 Max 128GB | 128 | NT$150,67113 筆掛單 | 25.8 | 128K |
| DGX Spark 128GB | 128 | NT$152,07531 筆掛單 | 17.1 | 128K |
| MacBook Pro M4 Max 128GB | 128 | NT$165,6454 筆掛單 | 25.8 | 128K |
| Mac Studio M5 Max 128GB | 128 | NT$185,0646 筆掛單 | 28.6 | 128K |
| MacBook Pro M5 Max 128GB | 128 | NT$256,4227 筆掛單 | 28.6 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | NT$304,15017 筆掛單 | 66.2 | 32K |
| RTX PRO 6000D | 84 | NT$318,18817 筆掛單 | 74 | 32K |
| RTX PRO 6000 Blackwell | 96 | NT$579,7566 筆掛單 | 81.2 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | NT$607,8326 筆掛單 | 36.8 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暫無掛單 | 11.7 | 128K |
判定口徑：權重 + KV cache + 執行開銷 ≤ 可用記憶體，單卡。MoE 模型標「卸載」表示把專家權重放進系統記憶體後能跑（顯存只放注意力層與 KV cache），速度按記憶體頻寬 70 GB/s 估算。上下文欄給的是能裝下的最大檔位。
Llama 4 Scout 17B 16E 混合推論推薦顯示卡
閒魚
專家權重放系統記憶體，需要 ≥ 55 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 10 GB。速度受記憶體頻寬限制（按 70 GB/s 估算），比整機放顯存慢得多。
用 Ollama / llama.cpp / vLLM 本地部署 Llama 4 Scout 17B 16E
Ollama 一行指令拉起，量化檔位由官方標籤決定。
ollama run llama4:scout
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf unsloth/Llama-4-Scout-17B-16E-Instruct-GGUF:Q4_K_M -c 8192
vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。
vllm serve meta-llama/Llama-4-Scout-17B-16E-Instruct
量化檔名以模型庫當週抓取為準，口徑見資料方法。 資料方法
常見問題
Llama 4 Scout 17B 16E 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 Llama 4 Scout 17B 16E 約需 64GB 記憶體，留到 76GB 更穩。
哪張顯示卡最便宜能跑 Llama 4 Scout 17B 16E？
CMP 170HX 64GB，64GB 記憶體，目前中位價約 NT$65,743，預估 71.5 tokens/s。
Llama 4 Scout 17B 16E 能用 Ollama 跑嗎？
能，指令是 ollama run llama4:scout。