什么是 Llama 4？
Meta Platforms 发布了其最新的大型语言模型（LLM）套件——Llama 4 系列，标志着人工智能技术的重大进步。Llama 4 系列在 2025 年 4 月推出两款主要模型：Llama 4 Scout 和 Llama 4 Maverick。这些模型旨在处理并翻译多种数据格式，包括文本、视频、图像和音频，展现其多模态能力。此外，Meta 还预览了 Llama 4 Behemoth，这是一款即将发布的模型，被称为迄今为止最强大的 LLM 之一，旨在帮助训练未来模型。
Llama 4 与以往模型有何不同？
增强的多模态能力
与其前代不同，Llama 4 可无缝处理多种数据模态。这意味着它能够基于文本、图像、视频和音频输入进行分析并生成响应，使其在多样化应用场景中具备高度适应性。
专用模型的推出
Meta 在 Llama 4 系列中引入了两个专用版本：
- Llama 4 Scout：一款紧凑型模型，针对在单块 Nvidia H100 GPU 上高效运行进行优化。其具备 10-million-token 上下文窗口，并在多项基准测试中显示出优于 Google 的 Gemma 3 和 Mistral 3.1 等竞争对手的表现。
- Llama 4 Maverick：体量更大的模型，其性能可与 OpenAI 的 GPT-4o 和 DeepSeek-V3 相媲美，尤其在编程与推理任务上表现突出，同时使用更少的激活参数。
此外，Meta 正在研发 Llama 4 Behemoth，该模型拥有 288 billion 个激活参数、总规模达 2 trillion，目标是在 STEM 基准上超越 GPT-4.5 和 Claude Sonnet 3.7 等模型。
采用专家混合（MoE）架构
Llama 4 采用“专家混合”（MoE）架构，将模型划分为专门单元以优化资源利用并提升性能。该方法通过仅激活与特定任务相关的模型子集，实现更高效的处理。
Llama 4 与其他 AI 模型的比较如何？
Llama 4 在众多领先 AI 模型中具备竞争力：
- 性能基准：Llama 4 Maverick 的表现与 OpenAI 的 GPT-4o 和 DeepSeek-V3 在编程与推理任务上相当，而 Llama 4 Scout 在多项基准中优于 Google 的 Gemma 3 和 Mistral 3.1。
- 开源方式：Meta 继续以开源形式提供 Llama 模型，促进更广泛的协作与平台集成。不过，Llama 4 许可证对拥有超过 700 million 用户的商业实体施加限制，这也引发了关于模型“真正开源性”的讨论。
| 类别 | 基准 | Llama 4 Maverick | GPT-4o | Gemini 2.0 Flash | DeepSeek v3.1 |
|---|---|---|---|---|---|
| 图像推理 | MMMU | 73.4 | 69.1 | 71.7 | 不支持多模态 |
| | MathVista | 73.7 | 63.8 | 73.1 | 不支持多模态 |
| 图像理解 | ChartQA | 90.0 | 85.7 | 88.3 | 不支持多模态 |
| | DocVQA (test) | 94.4 | 92.8 | – | 不支持多模态 |
| 编程 | LiveCodeBench | 43.4 | 32.3 | 34.5 | 45.8/49.2 |
| 推理与知识 | MMLU Pro | 80.5 | – | 77.6 | 81.2 |
| | GPQA Diamond | 69.8 | 53.6 | 60.1 | 68.4 |
| 多语言 | Multilingual MMLU | 84.6 | 81.5 | – | – |
| 长上下文 | MTOB (half book) eng→kgv/kgv→eng | 54.0/46.4 | 上下文限制为 128K | 48.4/39.8 | 上下文限制为 128K |
| | MTOB (full book) eng→kgv/kgv→eng | 50.8/46.7 | 上下文限制为 128K | 45.5/39.6 | 上下文限制为 128K |
Llama 4 在基准测试中的表现如何？
基准评估为 Llama 4 的性能提供了洞见：
- Llama 4 Scout：该模型在多项基准测试中优于包括 Google 的 Gemma 3 和 Mistral 3.1 在内的多款竞品。其在单块 GPU 上实现 10-million-token 上下文窗口的能力，凸显了其在处理复杂任务时的高效与有效。
- Llama 4 Maverick：在性能上可与 OpenAI 的 GPT-4o 和 DeepSeek-V3 相当，Llama 4 Maverick 在编程与推理任务上表现出色，同时使用更少的激活参数。这种高效并未以能力为代价，使其成为 LLM 领域的强有力竞争者。
- Llama 4 Behemoth：拥有 288 billion 个激活参数、总规模达 2 trillion，Llama 4 Behemoth 在 STEM 基准上超越 GPT-4.5 和 Claude Sonnet 3.7。其庞大的参数规模与性能显示出其作为未来 AI 发展基础模型的潜力。
这些基准结果凸显了 Meta 在提升 AI 能力方面的投入，使 Llama 4 系列成为该领域强劲的参与者。
用户如何访问 Llama 4？
Meta 已将 Llama 4 模型集成至其 AI 助手，可在 WhatsApp、Messenger、Instagram 以及网页等平台上使用。这一集成让用户能够在熟悉的应用中体验 Llama 4 的增强能力。
对于希望在自定义应用中利用 Llama 4 的开发者与研究人员，Meta 通过 Hugging Face 及其自有分发渠道提供模型权重。该开源方式使 AI 社群能够在 Llama 4 能力之上进行创新与构建。
需要注意的是，尽管 Llama 4 被宣传为开源，其许可协议对拥有超过 700 million 用户的商业实体施加限制。各组织应审阅许可条款以确保符合 Meta 的指引。
在 CometAPI 上快速构建 Llama 4 应用
CometAPI 提供超过 500 个 AI 模型的访问，包括面向聊天、图像、代码等的开源与专用多模态模型。其主要优势在于简化传统复杂的 AI 集成流程。通过在一个平台上集中 API 聚合，它为用户节省了管理各个平台与服务商所需的大量时间与资源。借助它，可以通过单一、统一的订阅访问诸如 Claude、OpenAI、Deepseek 和 Gemini 等领先 AI 工具。你可以使用 CometAPI 的 API 来创作音乐与艺术作品、生成视频，并构建自己的工作流。
CometAPI 提供远低于官方价格的方案，帮助你集成 [Llama 4 API](https://www.cometapi.com/gemini-2-5-pro-api/)，注册并登录后你的账户将获得 $1！欢迎注册体验 CometAPI。CometAPI 采用按用量付费，[Llama 4 API](https://www.cometapi.com/gemini-2-5-pro-api/) 在 CometAPI 的定价如下：
| 类别 | llama-4-maverick | llama-4-scout |
| API 定价 | Input Tokens: $0.48 / M tokens | Input Tokens: $0.216 / M tokens |
| Output Tokens: $1.44/ M tokens | Output Tokens: $1.152/ M tokens |
- 集成详情请参见 Llama 4 API。
- Comet API 上线模型信息请见 https://api.cometapi.com/new-model。
- Comet API 价格信息请见 https://api.cometapi.com/pricing。
立即在 CometAPI 今日开始构建 – 注册 以获取免费访问，或通过升级至 CometAPI 付费计划 实现无速率限制的扩展。
Llama 4 发布的影响是什么？
集成至 Meta 各平台
Llama 4 已集成至 Meta 的 AI 助手，覆盖 WhatsApp、Messenger、Instagram 与网页等平台，以先进的 AI 能力提升用户体验。
对 AI 行业的影响
Llama 4 的发布体现了 Meta 在 AI 领域的积极布局，计划在扩展其 AI 基础设施方面投资高达 $65 billion。这一举措反映了科技巨头在引领 AI 创新方面日益激烈的竞争。
能源消耗考量
运行 Llama 4 所需的大量计算资源引发了对能源消耗与可持续性的关注。运营超过 100,000 个 GPU 的集群需要巨大的能源，促使人们讨论大规模 AI 模型的环境影响。
Llama 4 的未来走向如何？
Meta 计划在 2025 年 4 月 29 日举行的 LlamaCon 大会上讨论 Llama 4 的进一步发展与应用。AI 社群期待了解 Meta 将如何应对当前挑战，并在各行业中充分发挥 Llama 4 的能力。
总之，Llama 4 代表了 AI 语言模型的一次重要进步，提供了增强的多模态能力与专用架构。尽管面临开发挑战，借助 Meta 的大量投资与战略举措，Llama 4 在不断演进的 AI 版图中已然成为强有力的竞争者。