從支持1000萬token上下文的Scout，到4000億參數(shù)的Maverick，再到2萬億參數(shù)的Behemoth，Llama 4憑借MoE架構(gòu)、多模態(tài)能力和超低成本推理，展現(xiàn)了強(qiáng)大的技術(shù)潛力。然而，實(shí)際體驗(yàn)中，它在文本處理和創(chuàng)造性任務(wù)中表現(xiàn)出色，但在專業(yè)知識和交互細(xì)節(jié)上仍有不足。

昨天（4月6日凌晨），Meta發(fā)布了Llama 4的消息，估計你也聽說了。要是你想了解更多，可以去這兩個網(wǎng)址看看：

• 官方介紹頁面：https://ai.meta.com/meta-ai
• 官網(wǎng)地址：https://www.meta.ai

登錄后，Chatbot的頁面特別簡單，一打開就能免費(fèi)試用。左邊有個小菜單，三個選項(xiàng)：對話框、收藏，還有Meta畫畫。

這次Meta推出了三個不同版本的Llama 4。

第一個叫Llama 4 Scout（偵察兵），它有170億個活躍參數(shù)，就像它手上有170億個小工具可以隨時用。它還有16個專家模型幫忙，總參數(shù)量加起來有1090億。

這個版本適合做輕量級的任務(wù)，比如：總結(jié)文檔、處理代碼庫之類的推理任務(wù)。能支持1000萬字的上下文。

第二個版本叫Llama 4 Maverick，有點(diǎn)像“特立獨(dú)行”的意思；它同樣有170億參數(shù)，但專家模型增加到了128個，總參數(shù)量達(dá)到4000億；場景適合多模態(tài)，像文檔、圖標(biāo)、PDF等。

目前我看到介紹，它在很多基礎(chǔ)測試?yán)锉憩F(xiàn)特別好，超過了GPT-4o和Gemini 2.0 Flash，在推理和編碼任務(wù)上和DeepSeek v3差不多厲害。

最厲害的是第三個版本，叫Llama 4 Behemoth（巨獸）。官方說，它的總參數(shù)接近2萬億，活躍參數(shù)有2880億。不過，這個版本還沒正式發(fā)布，它主要是當(dāng)“老師”，用自己的知識教Scout和Maverick。

很多人可能不太明白“活躍參數(shù)”是什么。我打個比方：

一個超級大廚（模型）有很多很多工具和技巧（總參數(shù)量），但做飯的時候，他只會用到其中一部分（活躍參數(shù)）。

活躍參數(shù)越多，廚師能用的工具和技巧就越多，做出來的菜（也就是任務(wù)效果）可能就越好吃（厲害）。

面對這三個版本，說實(shí)話，我都覺得太厲害，完全無法想象它的強(qiáng)大。尤其是2萬億參數(shù)的版本，似乎吞掉了整個世界的知識，消化掉了人類文明的精髓。

既然這樣，問題來了：

吹的這么大，到底該如何評價它的性能呢？是遙遙領(lǐng)先，還是一騎絕塵？說實(shí)話，我都已經(jīng)沒有概念了。

不過，我直接問Llama 4：針對一個這么大的模型，該問什么問題，才能感受到它的厲害呢？

它告訴我，可以試試多步驟推理、自然語言理解問題、創(chuàng)造性寫作、多語言翻譯，或者對某個領(lǐng)域的知識進(jìn)行解析；從這些角度提問，能更好地感受到Llama 4的強(qiáng)大之處。

索性從多步驟推理開始。我問的第一個問題：

假設(shè)你有100元，想用這些錢買一種商品。這種商品每件3元，但商家有個優(yōu)惠活動：如果你一次性買超過10件，每件可以便宜1元。那我最多能買多少件呢？請快速推理并給出答案。

它不到2秒就給出了答案。我用Kimi、DeepSeek、Qwen分別測試了這個問題，結(jié)果也都差不多。毫無疑問，這種問題對模型來說太簡單了，簡直小菜一碟。

那怎么辦呢？

一款产品无到有，产品经理需要做些什么？

在一个产品从无到有的过程中，要做好产品经理这个角色实在是不容易，除了大家都知道的写需求、写需求、写需求，要做的事多着呢。产品经理不是你眼中的只会找你麻烦，提要求..

查看详情 >

我向Qwen咨詢了一個問題，我對Qwen2.5-Max說：請給我一個超難的問題，來測試Llama 4的多步驟推理，越難越好。

經(jīng)過一番思考，Qwen給出了一道題目，并解釋說，這道題的關(guān)鍵在于“短小精悍”，同時要覆蓋多語言翻譯、事實(shí)核查和語義分析這三項(xiàng)能力。

它還提到，這道題符合知識庫中的評測維度，比如翻譯技巧和幻覺檢測。問題是這樣的：請閱讀以下句子，并完成以下任務(wù)： 一，將句子翻譯成法語，保留原意； 二，指出句子中可能被夸大的部分，并解釋原因。

句子如下：

盡管人工智能在醫(yī)療、金融等領(lǐng)域被稱為革命性力量，但其通過節(jié)能算法緩解氣候變化的效果仍存在爭議。

結(jié)果來看，Kimi回答比Llama 4更詳細(xì)。Kimi指出兩個可能被夸大的地方：一是“革命性力量”，二是“仍存在爭議”。而Llama 4只指出了其中一個。

圖示：左KIMI，右Llama 4

接下來，我體驗(yàn)了一個自然語言理解的難題。Qwen說，這個問題看起來很簡單，其實(shí)里面藏著很深的難度。

它不僅要識別“相關(guān)性≠因果性”的謬誤，還要補(bǔ)充隱含條件，考驗(yàn)邏輯重構(gòu)能力。我把任務(wù)交給Llama 4：請分析以下中文句子的邏輯漏洞，并用英語改寫句子，讓它更嚴(yán)謹(jǐn)。

句子是：

“所有成功企業(yè)家都早起，因此如果你想創(chuàng)業(yè)成功，必須每天五點(diǎn)起床。”

對比Kimi和Llama 4的答案，我認(rèn)為Llama 4的回答更簡潔，但Kimi的表達(dá)更詳細(xì)、更清晰。

然后，我研究了一道“領(lǐng)域知識”。問題是：設(shè)計一個基于AI的商品智能推薦系統(tǒng)的測試方案。

我讓Llama 4先分析問題，再給出答案。它說，主要存在三個測試難點(diǎn)。不過，它給的答案和Kimi給的答案我都不太滿意，主要問題是：

答案太宏觀、太理論化，雖然也有舉例，但都沒具體說清楚“到底該怎么做”?？赡芤?yàn)槲抑疤岢龅膯栴}不夠詳細(xì)。

這也給我一個提醒：雖然網(wǎng)上有海量公開資料，但遇到行業(yè)知識或者具體問題時，AI在個人經(jīng)驗(yàn)方面還是差了點(diǎn)火候。

最后，我試了試創(chuàng)造性寫作，感覺特別有意思。

題目是寫一個微小說，里面要包含“鑰匙”“雨夜”“陌生人”這三個元素，還得分析用到的文學(xué)技巧。

Llama 4給出了好幾個版本，創(chuàng)造力和理解力都很強(qiáng)。相比之下，Kimi只寫了一個版本，感覺Llama 4在處理復(fù)雜任務(wù)時更有優(yōu)勢，能給出更多元化的回答。

我覺得，以后可以用這個功能寫更多好玩的段子，確實(shí)是一件很有趣的事情。

我還試了它的文生圖能力。

隨便說了一句“幫我換輪胎”，它居然生成了四張不同的圖，每張都不一樣。其中第四張看起來像在森林里換輪胎，感覺挺真實(shí)的。

我可以點(diǎn)進(jìn)去繼續(xù)修改，只要告訴它我的想法就行。上傳照片換背景圖，也可以。不過，修改效果不太理想，不如ChatGPT 4o。

經(jīng)過這一系列體驗(yàn)，所以，我得出什么結(jié)論呢？

Llama 4的文本處理能力很強(qiáng)。會理解上下文的意思，回答問題時，能給出很準(zhǔn)確、很貼切的答案。特別是碰到復(fù)雜的問題，或者要仔細(xì)琢磨的任務(wù)，它表現(xiàn)得特別好。

比如，我讓它幫我做一個測試，根據(jù)一段文本理解人類的情感，把這種情感用到別的地方，它都能搞定。

語言生成能力也很棒，寫出來的文本很流暢、很自然。有時，它還能模仿某種特定的寫作風(fēng)格或者語氣；還有一個優(yōu)點(diǎn)，多輪對話能力很強(qiáng)。不管后面給它什么內(nèi)容，前面的內(nèi)容它都不會忘。

不過，也有不足的地方。

在一些專業(yè)知識上，還不夠深入、不夠具體。但有個好處，它能帶著我一起完成任務(wù)；我有個問題自己解決不了，交給它，它就能分步驟帶著我一起做，最后把任務(wù)完成。

在交互方面，它也很厲害。

從普通的文字聊天，到生成圖片，再到上傳文件讓它幫忙修改，這些都能在一個聊天框里搞定。甚至還能基于圖片制作動畫，功能很全面。不過，它沒有語音功能，也不能聯(lián)網(wǎng)搜索，這有點(diǎn)不太方便。

但是，雖然它能進(jìn)行多種交互，但有時候也會出錯。

我給它一個PDF文件，讓它把里面的內(nèi)容提取出來做成表格，結(jié)果它卻生成了一個圖標(biāo)。這種理解上的偏差還挺讓人頭疼的。

可能它在開源市場更有潛力吧，感興趣，可以試試。