4 月 6 日消息，Meta 现已发布旗下最新 Llama 4 系列 AI 模型，包含 Llama 4 Scout、Llama 4 Maverick 和 Llama 4 Behemoth。Meta 透露相应模型都经过了 “大量未标注的文本、图像和视频数据” 的训练，以使它们具备 “广泛的视觉理解能力”。
目前，Meta 已将系列模型中的 Scout 和 Maverick 上架到 Hugging Face（点此访问），而 Behemoth 模型则还在训练中。其中 Scout 可以在单个英伟达 H100 GPU 上运行，而 Maverick 则需要英伟达 H100 DGX AI 平台或 “同等性能的设备”。
Meta 表示，Llama 4 系列模型是该公司旗下首批采用混合专家（MoE）架构的模型，这种架构在训练和回答用户查询时的效率更高。所谓 “混合专家架构” 基本上是将数据处理任务分解为子任务，然后将它们委派给更小的、专门的 “专家” 模型。例如，Maverick 总共有 4000 亿个参数，但在 128 个 “专家” 模型中只有 170 亿个活跃参数。Scout 有 170 亿个活跃参数、16 个 “专家” 模型以及总计 1090 亿个参数。
值得注意的是，Llama 4 系列中没有一个模型是像 OpenAI 的 o1 和 o3-mini 那样真正意义上的 “推理模型”。“推理模型” 会对其答案进行事实核查，并且通常能更可靠地回答问题，但因此也比传统的 “非推理” 模型花费更长的时间来给出答案。
Meta 内部测试显示，Maverick 模型最适合用于 “通用 AI 助手和聊天” 等应用场景，该模型在创意写作、代码生成、翻译、推理、长文本上下文总结和图像基准测试中表现超过了 OpenAI 的 GPT-4o 和谷歌的 Gemini 2.0 等模型。然而 Maverick 与谷歌的 Gemini 2.5 Pro、Anthropic 的 Claude 3.7 Sonnet 和 OpenAI 的 GPT-4.5 等功能更强大的最新模型相比仍有一定进步空间。Scout 的优势则是总结文档、基于大型代码库进行推理。该模型支持 1000 万个词元，因此一次可以处理 “多达数百万字的文本”。
Meta 还进一步预告了其 Behemoth 模型，据该公司称，Behemoth 有 2880 亿个活跃参数、16 个 “专家” 模型，总参数数量接近 2 万亿个。Meta 的内部基准测试显示，在一些衡量解决数学问题等科学、技术、工程和数学（STEM）技能的评估中，Behemoth 的表现优于 GPT-4.5、Claude 3.7 Sonnet 和 Gemini 2.0 Pro，但不如 Gemini 2.5 Pro。
Meta 发布的 Llama 4 系列 AI 模型展示了其在混合专家架构上的创新与实力。虽然 Maverick 和 Scout 在某些方面表现突出，但与最新的顶级模型相比仍有提升空间。未来，随着 Behemoth 模型的推出，Meta 有望在 AI 模型领域继续引领潮流。
