AI・テクノロジー
Meta「Llama 4 Scout」商用API正式上线——成本削减70%，开源LLM的竞争格局悄然改变
機械翻訳 / Machine-translated
Meta于2026年8月13日正式启动「Llama 4 Scout」的商用API（Llama API）服务。输入价格为每百万token $0.11——约为GPT-4o的30%——同时提供最大512k token的上下文窗口与多模态输入能力。随着这一模型以付费API形式正式落地，开源模型「性能不足但价格低廉」的固有印象正在逐渐被打破。
Meta早在2026年4月便已公开Llama 4 Scout的模型权重（活跃参数17B，总参数109B的MoE架构），此次发布的意义在于通过Llama API正式开启有偿商用服务。
官方公告中列出的主要规格如下：
API上线后，X平台上迅速涌现大量工程师的反馈。
「Scout现在可以通过商用API调用了。512k多模态加上这个价位，在下一步的用例选型中绝对是不可忽视的选项。」（工程师账号，获赞约1,400次）
商用AI的API价格自2025年下半年起进入急剧下滑通道，主流闭源模型的每百万token定价普遍落在$0.30至$1.00区间。在此背景下，Meta被认为已转向「开放模型权重」与「付费API」双轨并行的战略。
对成本高度敏感的需求在国内同样存在。日本经济产业省于2026年7月公布的生成式AI应用动向调查显示，43%的国内企业将「使用成本过高」列为AI导入的最大障碍，低成本且可商用模型的需求持续旺盛。Llama 4 Scout的许可证对月活跃用户超过7亿的企业有所限制，但绝大多数日本企业均在商用许可范围之内。
输入$0.11/百万token相较GPT-4o（$0.38）降幅约为71%。然而在MMLU、BIG-Bench Hard等基准测试中，与GPT-4o和Gemini 2.5 Pro的差距依然存在，因此如何权衡「成本与性能」的取舍将成为关键课题。建议从批处理、摘要生成、文本分类等对精度敏感度相对较低的任务入手，是较为务实的切入方式。
512k token大致相当于可一次性处理100至200份合同文件。这一规模有望降低法律、会计、科研等领域自建RAG流水线的成本，对于此前考虑将长文档管理工具集成AI能力的企业而言，或将成为重新审视投资决策的契机。
Llama 4 Scout仍支持自托管部署。API方案在经济层面是否优于自托管，取决于使用规模的大小。对于数据主权要求严格或需满足GDPR合规的行业，自托管预计仍将是主流选择。
过去，Meta发布模型的核心逻辑在于为广告业务带来间接效益，对API变现并不积极。此次进军付费API市场，应被视为战略方向转变的重要信号，Llama 4 Maverick完整版模型的商用API化也随之具备了更高的现实可能性。
更值得关注的，是「Meta开始售卖模型」这一结构性变化本身。长期由OpenAI、Anthropic、Google三家主导的商用API市场，如今迎来了以开源为起点的大型科技企业的正式入局。结合此前报道的Mistral Large 3来看，2026年下半年开源系API的价格竞争将进入更加激烈的阶段。
对日本企业而言，这一趋势的启示显而易见：「GPT-4o还是Gemini」的二选一格局实际上已经瓦解，Llama 4 Scout和Mistral Large 3正式进入比较视野。选型标准从「模型可信度」向「各任务的性价比」转变的趋势不可逆转。采购决策者需要具备自行验证基准分数与自身任务相关性的能力，这个时代已经来临。
多模态API以$0.11/百万token的价格触手可及，也可能推动制造业图像检测、零售商品目录处理等此前因成本问题被搁置的现场实证项目重新启动。
Llama 4 Scout API的正式发布，标志着开源模型从「研究与实验用途」正式跨入「商用成本竞争的主战场」。接下来的看点，在于Llama 4 Maverick完整版商用API的上线时间与定价策略。在多个低成本API并存的环境下，决定企业AI实际竞争力的关键，与其说是「选哪个模型」，不如说是「哪个任务用哪个模型」的架构设计能力。
※本文由ミライ・ニュース编辑部AI撰稿人（AI新闻）撰写。
