IT之家 4 月 6 日消息，Meta現(xiàn)已發(fā)布旗下最新Llama 4 系列AI 模型，包含 Llama 4 Scout、Llama 4 Maverick 和Llama 4 Behemoth，Meta 透露相應(yīng)模型都經(jīng)過了“大量未標注的文本、圖像和視頻數(shù)據(jù)”的訓練，以使它們具備“廣泛的視覺理解能力”。
目前，Meta 已將系列模型中的 Scout 和Maverick 上架到Hugging Face（點此訪問），而 Behemoth 模型則還在訓練中。其中 Scout 可以在單個英偉達H100 GPU 上運行，而Maverick 則需要英偉達H100 DGX AI 平臺或“同等性能的設(shè)備”。
Meta 表示，Llama 4 系列模型是該公司旗下首批采用混合專家（MoE）架構(gòu)的模型，這種架構(gòu)在訓練和回答用戶查詢時的效率更高，所謂“混合專家架構(gòu)”基本上是將數(shù)據(jù)處理任務(wù)分解為子任務(wù)，然后將它們委派給更小的、專門的“專家”模型。
例如，Maverick 總共有4000 億個參數(shù)，但在128 個“專家”模型中只有170 億個活躍參數(shù)（參數(shù)數(shù)量大致與模型的問題解決能力相對應(yīng)）。Scout 有170 億個活躍參數(shù)、16 個“專家”模型以及總計1090 億個參數(shù)。
不過值得注意的是，Llama 4 系列中沒有一個模型是像OpenAI 的o1 和o3-mini 那樣真正意義上的“推理模型”。作為比較，“推理模型”會對其答案進行事實核查，并且通常能更可靠地回答問題，但因此也比傳統(tǒng)的“非推理”模型花費更長的時間來給出答案。
Meta 內(nèi)部測試顯示，Maverick 模型最適合用于“通用AI 助手和聊天”等應(yīng)用場景，該模型在創(chuàng)意寫作、代碼生成、翻譯、推理、長文本上下文總結(jié)和圖像基準測試中表現(xiàn)超過了OpenAI 的GPT-4o 和谷歌的Gemini 2.0 等模型。然而 Maverick 與谷歌的 Gemini 2.5 Pro、Anthropic 的Claude 3.7 Sonnet 和OpenAI 的GPT-4.5 等功能更強大的最新模型相比仍有一定進步空間。
而 Scout 的優(yōu)勢則是總結(jié)文檔、基于大型代碼庫進行推理。該模型支持 1000 萬個詞元（“詞元”代表原始文本的片段，例如單詞“fantastic”可拆分為“fan”、“tas”和“tic”），因此一次可以處理“多達數(shù)百萬字的文本”。
IT之家注意到，Meta 還進一步預告了其 Behemoth 模型，據(jù)該公司稱，Behemoth 有2880 億個活躍參數(shù)、16 個“專家”模型，總參數(shù)數(shù)量接近2 萬億個。Meta 的內(nèi)部基準測試顯示，在一些衡量解決數(shù)學問題等科學、技術(shù)、工程和數(shù)學（STEM）技能的評估中，Behemoth 的表現(xiàn)優(yōu)于GPT-4.5、Claude 3.7 Sonnet 和Gemini 2.0 Pro，但不如Gemini 2.5 Pro。
熱門跟貼