Llama 4 详细评测：开源模型的全面倒退？

312 0 0

文章摘要

Meta最新发布的开源大模型Llama 4在技术社区引发了广泛争议。尽管其规格参数堪称“顶配开源”，包括两个混合专家（MoE）架构版本——Scout（109B总参数，17B活跃参数）和Maverick（400B总参数，17B活跃参数），并支持图文输入和1000万token的上下文窗口，但其实际表现却未能达到预期。根据Artificial Analysis的独立评估数据，Llama 4在多个关键任务中的表现与主流竞品存在显著差距。

在总体性能方面，Llama 4的表现令人失望。Maverick在Intelligence Index综合榜单中得分49，未能进入第一梯队，而Scout得分仅为36，甚至低于部分轻量模型。与Google的Gemini 2.5 Pro、xAI的Grok 3和DeepSeek R1等顶级模型相比，Llama 4的差距明显。特别是在非推理任务中，Maverick虽在开源模型中表现稳定，但与DeepSeek V3和GPT-4o等顶级模型相比，依然存在明显差距。Scout的表现则更为克制，虽不具备突破性优势，但在资源受限场景下仍具备一定实用价值。

在具体任务表现上，Llama 4的表现喜忧参半。在通用推理任务中，Maverick表现稳健，接近一线闭源模型，但Scout则明显吃力，整体排名不高。在科学推理任务中，Llama 4表现疲软，尤其是Maverick未能展现出预期能力，Scout的表现则更加堪忧。在编码能力方面，Maverick在基础编码任务中表现未达预期，Scout则在大部分编码任务中垫底，虽在高难度挑战中偶有亮点，但整体竞争力仍偏弱。在数学任务中，Llama 4两个版本表现出较为明显的分化，Maverick在基础数学任务中稳健发挥，但在竞赛级高难度数学任务中表现不佳，Scout也展现出一定的定量推理能力，但在复杂推理能力上存在短板。

在模型效率方面，Llama 4表现出一定的优势。Maverick的活跃参数约为DeepSeek V3的一半，总参数也仅为其60%左右，表明其以更高的效率实现了性能表现。此外，Maverick还支持图像输入，而DeepSeek V3则不具备这一功能。

在价格方面，Llama 4具有明显优势。Maverick的中位价格为每百万输入/输出token 0.24美元/0.77美元，Scout的定价为每百万输入/输出token 0.15美元/0.4美元，其价格不仅低于DeepSeek V3，相比OpenAI的GPT-4o接口更是便宜超过10倍。

尽管Llama 4在多个关键任务中的表现未能达到预期，但其多模态架构、超长上下文和低廉定价依然为未来铺路。开源的价值不仅在于性能指标，更在于长期可控性、社区生态与开放创新的累积潜力。Llama 4是否成为开源模型的全面倒退，还需看Meta和整个开源社区能否在质疑声中继续优化、快速迭代，将短板变成支点。真正的竞争，还远远没有结束。