開源大模型元老，發(fā)布重磅更新。

北京時間4月6日凌晨，美國科技巨頭Meta推出了開源人工智能模型Llama 4。據(jù)介紹，該模型目前目前有Scout和Maverick兩個版本，是Meta迄今為止最先進(jìn)的模型，也是同類產(chǎn)品中多模態(tài)性最強(qiáng)的模型。

在DeepSeek引發(fā)模型開源浪潮以前，Meta一直是開源模型的領(lǐng)先玩家及重要的行業(yè)奠基者。在ChatGPT橫空出世7個多月后，Meta就率先宣布開源Llama 2，并且可免費(fèi)商用。這也成為大模型發(fā)展的分水嶺，是開源模型社區(qū)的歷史性時刻。Llama第四代模型的發(fā)布，不僅是Meta應(yīng)對DeepSeek等新興開源勢力的一次“回?fù)簟?，同時也推動了開源模型技術(shù)的進(jìn)一步發(fā)展和生態(tài)的進(jìn)一步完善。

大規(guī)模、多模態(tài)、長文本的Llama 4發(fā)布

北京時間4月6日凌晨，Meta發(fā)布Llama 4系列首批模型，包括兩款高效模型Llama 4 Scout、Llama 4 Maverick。此外，Meta還預(yù)覽了其迄今最強(qiáng)大最智能的模型——Llama 4 Behemoth，是“新模型中的教師”。

Llama 4模型是Llama系列模型中首批采用混合專家（MoE）架構(gòu)的模型。這一模型也是DeepSeek系列模型采用的架構(gòu)，與傳統(tǒng)的稠密模型相比，在MoE架構(gòu)中，單獨(dú)的token只會激活全部參數(shù)中的一小部分，訓(xùn)練和推理的計算效率更高。

首先，Llama 4的第一大特點(diǎn)是參數(shù)規(guī)模大，最先進(jìn)的Llama 4 Behemoth總參數(shù)高達(dá)2萬億（作為對照，DeepSeek-R1總參數(shù)規(guī)模為6710億）。

其中，Llama 4 Scout面向文檔摘要與大型代碼庫推理任務(wù)，專為高效信息提取與復(fù)雜邏輯推理打造，共有16位“專家”、1090億參數(shù)、170億激活參數(shù)量；Llama 4 Maverick則專注于多模態(tài)能力，支持視覺和語音輸入，具備頂級的多語言支持與編程能力，共有128位“專家”、4000億參數(shù)、170億激活參數(shù)量；Llama 4 Behemoth（預(yù)覽版）則是Meta未來最強(qiáng)大的AI模型之一，具備令人矚目的超大規(guī)模參數(shù)架構(gòu)，具有2880億激活參數(shù)量，總參數(shù)高達(dá)2萬億。

其次，Llama 4的另外一大特點(diǎn)是多模態(tài)能力突出。作為原生多模態(tài)模型，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，實(shí)現(xiàn)文本和視覺token無縫整合到統(tǒng)一的模型框架里。

據(jù)Meta介紹，Llama用各種圖像和視頻幀靜止圖像訓(xùn)練兩個模型，以賦予它們廣泛的視覺理解能力，包括時間活動和相關(guān)圖像。這支持多圖像輸入與文本提示的無縫交互，用于視覺推理和理解任務(wù)。模型在預(yù)訓(xùn)練中最多使用48張圖像，后訓(xùn)練中測試了最多8張圖像，結(jié)果良好。

最后，Llama在長文本能力上也取得了突破，具有超大的上下文窗口長度。Llama 4 Scout 模型支持高達(dá)1000萬token的上下文窗口，刷新了開源模型的紀(jì)錄，而市場上其他領(lǐng)先模型如GPT-4o也未能達(dá)到此規(guī)模。超大上下文窗口使Llama 4在處理長文檔、復(fù)雜對話和多輪推理任務(wù)時表現(xiàn)出色。

大模型競爭趨于白熱化

作為開源模型社區(qū)的“領(lǐng)頭羊”和佼佼者，Llama（Large Language Model Meta AI）系列模型由Meta在2022年推出。2023年，為應(yīng)對ChatGPT等領(lǐng)先閉源模型的挑戰(zhàn)，Meta率先宣布開源Llama 2，并且可免費(fèi)商用。這一開源之舉激活了開發(fā)者社區(qū)的創(chuàng)新潛力，此后基于Llama 2構(gòu)建的應(yīng)用項(xiàng)目數(shù)量大大增加，覆蓋各種領(lǐng)域，形成了一個充滿活力的生態(tài)系統(tǒng)。

2024年4月，Llama 3正式發(fā)布，在技術(shù)層面實(shí)現(xiàn)了諸多突破，最重要的是不僅在單語言任務(wù)上表現(xiàn)卓越，還實(shí)現(xiàn)了多模態(tài)處理能力，能夠同時理解并生成文本、圖像、音頻等多種類型的數(shù)據(jù)，從而開啟了多模態(tài)的新紀(jì)元。

雖然Meta是開源模型的重要奠基者，但是開源領(lǐng)域的競爭正變得日益激烈和焦灼，尤其是DeepSeek的崛起，對Meta在開源模型社區(qū)的領(lǐng)先地位構(gòu)成了巨大的沖擊。

今年1月末，在DeepSeek剛剛在海外火爆出圈時，就有Meta員工在匿名社區(qū)TeamBlind上爆料稱，僅用550萬美元訓(xùn)練的DeepSeek-V3在基準(zhǔn)測試中已經(jīng)讓Llama模型相形見絀，Meta的工程師們正在爭分奪秒地分析DeepSeek，試圖復(fù)制其中的一切可能技術(shù)。該爆料帖還說，Meta管理層正面臨嚴(yán)峻的財務(wù)壓力，其生成式AI部門數(shù)十位高管，“每個人的年薪都超過了DeepSeek-V3的全部訓(xùn)練費(fèi)用。如何向公司高層解釋這種投入產(chǎn)出比，已成為他們的噩夢”。

除了DeepSeek以外，阿里巴巴通義千問系列開源大模型也屢屢斬獲佳績。4月2日，全球最大的AI開源社區(qū)Hugging Face更新了大模型榜單，阿里通義千問近期開源的端到端全模態(tài)大模型Qwen2.5-Omni登上總榜榜首。據(jù)了解，阿里至今已向全球開源200多款模型，千問衍生模型數(shù)量已突破10萬，超越美國Llama系列，成為全球最大的開源模型族群。

在Llama 4發(fā)布之際，OpenAI首席執(zhí)行官山姆·奧特曼也對外透露了公司的模型發(fā)布計劃。他表示，OpenAI可能在幾周后發(fā)布最新的推理模型o3和最新的基座模型o4-mini，然后在幾個月后推出GPT-5。

DeepSeek-R2模型何時發(fā)布也備受市場關(guān)注。4月4日，DeepSeek與清華大學(xué)研究團(tuán)隊(duì)聯(lián)合發(fā)布題為《獎勵模型的推理時Scaling方法及其在大規(guī)模語言模型中的應(yīng)用》的重磅論文，提出自我原則點(diǎn)評調(diào)優(yōu)（SPCT）與元獎勵模型（Meta Reward Model）兩項(xiàng)核心技術(shù)，為提升大語言模型的推理能力提供了全新方法論。雖然官方并未明確R2的發(fā)布時間，但這一成果被視為DeepSeek下一代推理模型R2的重要技術(shù)鋪墊。

技術(shù)的不斷突破及各家大模型的密集推出，表明大模型競爭趨于白熱化，彼此間你追我趕將是未來一段時間的常態(tài)。業(yè)內(nèi)人士分析稱，模型能力的持續(xù)提升，推動大模型競爭進(jìn)入推理強(qiáng)化和應(yīng)用拓展的下半場賽程。個人智能體潛力初步顯現(xiàn)，行業(yè)應(yīng)用漸次走深，開源開放日益成為大模型的核心競爭力組成。大算力、多模態(tài)、強(qiáng)推理、廣開源、準(zhǔn)數(shù)據(jù)、智能體、深應(yīng)用等，成為大模型發(fā)展的重要趨勢。

責(zé)編：李丹

校對：劉榕枝