Llama 4重测竞技场排名暴跌引热议，网友质疑Meta信任危机加剧

Llama 4首发争议

近期，竞技场官方公布，Llama 4的首个版本称为“实验版”的Llama-4-03-26。这一版本主要针对人类偏好进行了调整。同时，经过调整的开源版本命名为Llama-4-17B-128E，拥有17B的激活参数和128个MoE专家。至于“针对人类偏好优化”的具体方法尚未对外公布，这一话题在网上引起了广泛讨论。

有人表示，即便在人工智能领域，智能与魅力之间并非必然相关。此外，还有批评声音指出，Meta公司涉嫌使用不正当策略，这或许会使其在未来难以恢复社区对其的信任。

性能速度表现

在自建服务器环境中，若系统内存充足而带宽及计算能力相对较低，如使用基于x86架构的服务器CPU进行推理，或者在M3 Ultra Mac上执行推理任务，Llama 4的运行速度超越了Small 3.1，同时在智能表现上也超越了Large 2411或A。搭载288GB内存的双路至强服务器上，Llama 4运行速度理想，是优选配置。然而，若用于游戏显卡，其体积显得过大。

与Llama v3对比优势

经过细致的对比分析，该创业公司指出Llama 4在多个维度展现出明显的优势。首先，其成本相对较低；其次，运行效率较高；再者，它拥有强大的功能，能够应对多样化的工作需求；尤其是，它在实时交互领域表现出色。Llama 4存在不足，但若Meta能为其确立合适定位，并推出更贴近实际的产品，而非单纯追求基准标准，那么其能否取得成功便不再是疑问。

代码测试情况

Llama 4在代码测试中未能通过基本测试用例。作者需耗时15至20分钟向AI解释解题步骤。此外，Llama v3在测试中多次出现时间超限问题，仅完成了132个测试用例。这些情况显示出两者在代码处理能力方面均有待提高。

编程问题回答

两个模型均准确解决了关于编程语言中表达式(a等于1且a等于2且a等于3)是否能够成立的疑问。在解答过程中，Llama 4模型表现卓越，不仅主动提供了可执行的代码实例，而且帮助作者学会了如何运用“动态对象属性访问”的方法。v3的回答详尽地展示了其思考步骤及相应解释，相对而言，Llama 4的答案则较为简明，对解释的提供较少。

文本搜索测试

在文本搜索测试中，Llama 4在16秒内成功定位了目标单词，但未能明确指出该单词的精确位置，同时也无法统计文档中单词的具体数量。与此同时，v3模型经过约18秒的推理，仍未能找到目标单词或确定文档的总字数，这一结果未达到作者设定的预期。两个模型在处理文本细节时均显现出一定的不足。