标准翻译（你这句润色版释义）

Llama‑4‑Scout 更进一步，做到了 1000 万 Token 超长上下文窗口。

关键参数解读

1. 核心配置

• 总参数：109B（1090 亿）；推理激活参数仅 17B（170 亿），MoE 混合专家架构，16 个专家模块；
• 上下文：10‑million‑token 即 1000 万 Token，大约容纳 750 万字文本，对比 Llama‑3 的 128K、GPT‑4o 的 128K、Claude‑Opus 的 1M 实现量级反超；
• 部署门槛：INT‑4 量化之后，单张 H100 显卡就可以运行，兼顾超长上下文与部署成本，是开源模型很大突破。

1. 这句话深层含义 goes even further：前代开源大模型普遍卡在 128K‑1M 上下文，Scout 直接拉到 1000 万 Token，专门适配完整代码库、海量文献全集、长期 Agent 对话，大幅降低 RAG 分片的必要性。

结合你之前 AI 产业链视角理解

• 中游：Llama‑4 Scout 属于基座大模型；开发者基于它开发下游 AI‑Agent（CrewAI、Agno）、垂直行业应用；
• 上游：超长上下文对 HBM 显存、高速服务器、光模块提出更高需求，拉动硬件侧景气度。

区分同系列另一款模型

• Llama‑4‑Scout：1000 万上下文，侧重超长文档；
• Llama‑4‑Maverick：400B 总参数，上下文 1M Token，主打综合推理和科研能力。