Meta开源Llama4!超越DeepSeek,惊人千万token上下文,Llama 4实测

一场突如其来的发布

Meta在没有事先预警的情况下，突然发布了Llama 4系列模型。Meta这次一口气推出了三款不同规模的模型：Llama 4 Scout、Llama 4 Maverick和Llama 4 Behemoth，每款模型都采用了混合专家（MoE）架构，支持多模态输入，并且拥有令人惊叹的超长上下文窗口。

从0到1：Llama 4的革命性架构

MoE架构：AI的新范式

Llama 4最引人注目的特点是全面采用了混合专家（MoE）架构。与传统的密集模型不同，在MoE架构中，每个token只会激活总参数的一小部分。这种架构设计使得模型在保持高性能的同时，大大降低了计算成本。

以Llama 4 Maverick为例，它拥有4000亿总参数，但每次推理时仅激活约170亿活跃参数。这意味着模型可以根据具体任务的需求，动态地选择最相关的"专家"来处理，既提高了效率，又保持了性能。

超长上下文窗口：打破限制

Llama 4 Scout版本支持惊人的1000万token上下文窗口，相当于可以处理20+小时的视频内容或15000页的文本。相比之下，Llama 4 Maverick的上下文窗口为100万个token，也相当于约1500页的文本。

这种超长上下文能力的背后，是Llama 4采用的创新iRoPE扩展技术，支持"无限"上下文长度目标。这种技术使得模型能够处理极长的文本序列，为长文档分析、复杂推理等应用场景提供了强大的支持。

原生多模态融合：打破模态界限

Llama 4是原生多模态模型，采用早期融合（Early Fusion）技术，可以无缝整合文本和视觉标记到统一的模型主干中。这意味着Llama 4不仅能够处理文本输入，还能理解和处理图像等多模态数据。

三款模型，各有千秋

Llama 4 Scout：轻量高效

Llama 4 Scout拥有170亿激活参数和1090亿总参数，内部包含16个专家。它的设计目标是轻量且快速响应，特别适合那些无法获取大型GPU集群的开发者和研究人员。Scout模型可以在单张H100 GPU（Int4量化后）上运行，大大降低了使用门槛。

Scout版本支持1000万上下文，相当于可以处理20+小时的视频，仅在单个H100 GPU（Int4 量化后）上就能跑。在基准测试中，性能超越Gemma 3、Gemini 2.0 Flash-Lite和MI-30等模型。

Llama 4 Maverick：强大性能

Llama 4 Maverick拥有170亿激活参数和4000亿总参数，包含128个专家。它在图像和文本理解方面表现出色，是多语言AI应用和创意写作的理想选择。

Maverick在某些基准测试中表现超过了DeepSeek V3，成为开源模型的新一代国外霸主。它在创意写作、多模态应用等方面表现出色，但也有用户反馈，在前端界面生成等任务中效果不如DeepSeek V3（2024年3月版）。

Llama 4 Behemoth：巨头降临

Llama 4 Behemoth拥有2880亿激活参数和2万亿总参数，采用16个专家。这是目前最大的开源模型之一，性能目标是超越当前的闭源顶尖模型如Gemini 2.5 Pro和GPT-4.5。不过，目前Behemoth还在训练中，处于预览阶段。

实际应用与用户体验

数学能力：有待提高

根据实际测试，Llama 4在数学能力方面表现平平，与DeepSeek V3相比有一定差距。在一项数学测试中，Llama 4的表现不如DeepSeek V3，这表明在特定领域的能力上，Llama 4还有提升空间。

编码能力：有待优化

在编码能力方面，Llama 4也存在一些问题。在一项测试中，要求模型根据给定的文本进行HTML网页编写时，Llama 4的效果比DeepSeek V3差很多。Maverick写出了HTML代码，但效果太差，而Scout甚至没有理解指令，只写了一个Markdown。

多模态应用：潜力巨大

尽管在某些特定领域表现一般，但Llama 4的多模态能力非常出色。它能够同时处理文本、图像和视频等多种模态的数据，为复杂的应用场景提供了可能。

例如，在电商领域，Llama 4可以通过分析商品图片和用户评论，生成精准的商品推荐，从而提升用户体验并促进销售转化。在医疗领域，开发者可以基于Llama 4开发智能医疗助手，帮助医生更准确地诊断疾病和制定治疗方案。