“參數(shù)王者、開源期貨”，Meta這波Llama 4贏了嗎？

1000萬上下文？2萬億參數(shù)？MoE混合架構(gòu)，原生多模態(tài)。清明假期，你是否也被Meta這波Llama 4系列模型發(fā)布后，各種酷炫數(shù)據(jù)和名詞炸醒？

曾經(jīng)的開源領(lǐng)袖，實際已經(jīng)被DeepSeek搶了各種風(fēng)頭。萬眾期待的Llama 4模型，原本使命是超越GPT和Claude等閉源模型，吊打一切的存在，然后呢？實現(xiàn)了嗎？

Llama 4系列模型發(fā)布：

Llama 4 Scout（小）

單張H100 GPU可運行，適合本地部署，支持1000萬token上下文，這是行業(yè)最牛成績。

Llama 4 Maverick（中）

總參數(shù)高達(dá)4000億，但推理時僅激活部分專家，效率更高。

多模態(tài)性能超越GPT-4o，在ChartQA、DocVQA等基準(zhǔn)測試中領(lǐng)先，編程能力媲美DeepSeek v3，但參數(shù)僅一半。

Llama 4 Behemoth（大，預(yù)覽版）

Meta 2萬億參數(shù)巨獸，仍在訓(xùn)練中。

超大參數(shù)，據(jù)說STEM任務(wù)超越GPT-4.5、Claude3.7等。

將作為“教師模型”，用于蒸餾優(yōu)化更小的Llama 4模型。

測評分?jǐn)?shù)高居全球第二

Llama 4 Maverick 目前在 LM Arena 排行榜 上排名第二，僅次于 Gemini 2.5 Pro。

而且具備原生多模態(tài)能力：Llama 4采用了早期融合（Early Fusion）技術(shù)，可以用海量的無標(biāo)簽文本、圖片和視頻數(shù)據(jù)一起來預(yù)訓(xùn)練模型。

超長上下文

Scout 版本支持1000萬 tokens（約15000頁文本！），醫(yī)學(xué)、科研、代碼分析等超長文檔處理能力直接拉滿。

在其他大模型僅有200萬 tokens上下長度時，小扎掏出了大炸雷，不想和大家閑聊。

幾個核心技術(shù)

MoE架構(gòu)效率炸裂：

Llama 4開始轉(zhuǎn)向采用混合專家模型（MoE），推理時僅激活部分參數(shù)，成本更低——Maverick 推理成本僅$0.19/百萬token，比GPT-4o便宜90%。

iRoPE實現(xiàn)超長上下文:

iRoPE（交錯旋轉(zhuǎn)位置編碼）是Meta為Llama 4設(shè)計的升級版位置編碼技術(shù)。

• 局部注意力層：用旋轉(zhuǎn)位置編碼（RoPE）處理短上下文（如8K token），保留位置關(guān)系。

• 全局注意力層：直接去掉位置編碼（NoPE），通過動態(tài)調(diào)整注意力權(quán)重處理超長內(nèi)容，類似“模糊匹配”長距離關(guān)聯(lián)。

• 就像讀書時用書簽（RoPE）標(biāo)記重點段落，同時靠記憶（NoPE）串聯(lián)全書脈絡(luò)。

埋葬RAG技術(shù)？

相比RAG技術(shù)，iRoPE無需依賴外部知識庫檢索，直接通過模型內(nèi)部自身處理完整信息，減少信息丟失風(fēng)險，預(yù)計未來會成為大模型技術(shù)標(biāo)配，以后大模型容易忘記前文的事情，基本就不會出現(xiàn)了。

開源但有限制：商用需遵守 Meta 政策，月活超7億的公司需額外授權(quán)，且產(chǎn)品名必須帶“Llama”。

鯨哥在Together AI上體驗 了Llama 4 Scout，并沒有什么特別的強(qiáng)悍之處，DeepSeek對比之下體感還是強(qiáng)很多。Llama 4有點像Google，“參數(shù)沒輸過，實戰(zhàn)沒贏過”。

一句話總結(jié)：Meta 這次把開源AI卷到新高度，多模態(tài)+長上下文+超低成本，Llama 4 可能是目前最香的開源大模型之一。

但下周OpenAI o3和Claude等新模型發(fā)布， Llama 4估計又會被奪走注意力。只能說模型競爭，太卷了，Llama 4要成千年追趕者了。

視頻內(nèi)容推薦：

主理人交流：

加入AI鯨英社群，和上千CEO、投資人和行業(yè)大牛一起共話未來！

前百度大佬“放下”AI搜索，轉(zhuǎn)做Agent瀏覽器，評分超越Manus

這些職業(yè)正在被摧毀：實測10個GPT-4o繪圖最火的案例