meta近期推出了其最新的Llama 4系列AI模型，這一系列包括了Llama 4 Scout、Llama 4 Maverick和Llama 4 Behemoth三款模型。據(jù)meta透露，這些模型均經(jīng)過(guò)了龐大的未標(biāo)注文本、圖像和視頻數(shù)據(jù)的訓(xùn)練，旨在賦予它們廣泛的視覺理解能力。

目前，meta已將Scout和Maverick兩款模型上架至Hugging Face平臺(tái)。而Behemoth模型仍在緊鑼密鼓的訓(xùn)練中。Scout模型能夠在單個(gè)英偉達(dá)H100 GPU上運(yùn)行，而Maverick則需要更高配置的英偉達(dá)H100 DGX AI平臺(tái)或性能相當(dāng)?shù)脑O(shè)備。

值得注意的是，Llama 4系列是meta首次采用混合專家（MoE）架構(gòu)的模型。這種架構(gòu)通過(guò)將數(shù)據(jù)處理任務(wù)分解為多個(gè)子任務(wù)，再將這些子任務(wù)分配給更小的、專門化的“專家”模型，從而在訓(xùn)練和回答用戶查詢時(shí)展現(xiàn)出更高的效率。例如，Maverick模型擁有4000億個(gè)參數(shù)，但在128個(gè)“專家”模型中，只有170億個(gè)參數(shù)處于活躍狀態(tài)。

相比之下，Scout模型擁有170億個(gè)活躍參數(shù)，分布在16個(gè)“專家”模型中，總參數(shù)數(shù)為1090億個(gè)。盡管Llama 4系列模型在性能上有所提升，但它們并非像OpenAI的o1和o3-mini那樣的“推理模型”。推理模型會(huì)對(duì)答案進(jìn)行事實(shí)核查，通常能更可靠地回答問(wèn)題，但響應(yīng)時(shí)間相對(duì)較長(zhǎng)。

meta內(nèi)部測(cè)試顯示，Maverick模型在通用AI助手和聊天等應(yīng)用場(chǎng)景中表現(xiàn)出色，尤其在創(chuàng)意寫作、代碼生成、翻譯、推理、長(zhǎng)文本上下文總結(jié)和圖像基準(zhǔn)測(cè)試等方面，其性能超過(guò)了OpenAI的GPT-4和谷歌的Gemini 2.0等模型。然而，與谷歌的Gemini 2.5 Pro、Anthropic的Claude 3.7 Sonnet和OpenAI的GPT-4.5等更強(qiáng)大的最新模型相比，Maverick仍有一定的提升空間。

Scout模型則擅長(zhǎng)總結(jié)文檔和基于大型代碼庫(kù)進(jìn)行推理。該模型支持處理1000萬(wàn)個(gè)詞元，這意味著它一次能夠處理數(shù)百萬(wàn)字的文本。meta還預(yù)告了其Behemoth模型。據(jù)透露，Behemoth擁有2880億個(gè)活躍參數(shù)，分布在16個(gè)“專家”模型中，總參數(shù)數(shù)接近2萬(wàn)億個(gè)。meta內(nèi)部基準(zhǔn)測(cè)試顯示，在一些衡量解決數(shù)學(xué)問(wèn)題等科學(xué)、技術(shù)、工程和數(shù)學(xué)（STEM）技能的評(píng)估中，Behemoth的表現(xiàn)優(yōu)于GPT-4.5、Claude 3.7 Sonnet和Gemini 2.0 Pro，但略遜于Gemini 2.5 Pro。