誰也沒料到，大周末的，小扎竟然開源了Llama 4家族。

一共三款模型，首次采用MoE架構，開啟了原生多模態的Llama時代！

• Llama 4 Scout，激活17B，16個專家，109B參數；
• Llama 4 Maverick，激活17B，128個專家，402B參數；
• Llama 4 Behemoth，激活288B，16個專家，2T參數。

Llama 4發布后排名瞬間躍升，甚至超過了DeepSeek-V3，Meta再一次回到牌桌。

業界首個1000萬上下文，RAG已死？

Meta宣稱Llama-4-Scout-17B-16E測試中好于Gemma 3、Gemini 2.0 Flash-Lite和Mistral 3.1。甚至，小扎劇透了推理模型也不遠了。

但也有網友調侃Llama 4這次是「趕鴨子上架」，所以Llama 4性能到底如何，請看下面網友的實測。

稀疏MoE模型，和蘋果芯堪稱天作之合

當前，第一批測試結果已經出來了！

蘋果ML工程師Awni Hannun實測，Llama 4 Maverick在單臺M3 Ultra-512GB上使用MLX推理框架時速度極快，達到了50 token/秒！

與DeepSeek V3/R1類似，Llama 4系都是巨大的稀疏MoE模型。

這些模型擁有極其龐大的參數量，但每次只有少量參數（專家）被激活。由于事先無法預測哪些參數會被激活，因此必須把所有參數同時存放在高速的GPU顯存中。

為何對于開源模型，社區大佬都傾向于使用蘋果芯片去測試？

一方面，是因為買不到英偉達H100啊。

Awni Hannun表示，更重要的是Apple芯片適合稀疏模型。

GPU顯存速度快，但成本昂貴。然而Apple Silicon通過統一內存（Unified Memory）和UltraFusion 技術融合多個芯片，使其能夠以更低的成本提供更大容量、中等速度的內存。

一個月前發布的M3 Ultra Mac Studio的統一內存容量高達512GB！

然而，當內存容量增大到這個程度時，內存帶寬就不足了。對于512GB版本來說，內存刷新率（每秒GPU可完整遍歷所有內存的次數，即內存帶寬與容量之比）只有1.56次/秒。與其他硬件對比如下：

• NVIDIA H100（80GB）：37.5次/秒
• AMD MI300X（192GB）：27.6次/秒
• Apple M2 Ultra（192GB）：4.16次/秒（比H100慢9倍）
• Apple M3 Ultra（512GB）：1.56次/秒（比H100慢24倍）

理想情況下，工作負載特性應與硬件特性相匹配。否則，硬件會存在浪費（性能過剩）或瓶頸（性能不足）。對工作負載（此處為批大小=1的推理任務）而言，關鍵特性是模型稀疏度。

模型的稀疏度定義為 1-（激活參數數/總參數數）。

稠密模型稀疏度為0%（因為激活參數 = 總參數）。各模型稀疏度如下：

• Llama 3.3 405B：總參數=405B，激活參數=405B，稀疏度=0%
• DeepSeek V3/R1：總參數=671B，激活參數=37B，稀疏度=94.4%
• Llama 4 Scout：總參數=109B，激活參數=17B，稀疏度=84.4%
• Llama 4 Maverick：總參數=400B，激活參數=17B，稀疏度=95.75%（非常高！）
• Llama 4 Behemoth：總參數=2T，激活參數=288B，稀疏度=85.6%

一般來說，稀疏度越高，越適合內存刷新率較低的Apple Silicon。因此，Llama 4 Maverick顯然是最適合 Apple Silicon的模型。

另外更重要的原因就是Apple Silicon是運行大模型最具成本效益的方案，因為統一內存每GB的成本遠低于GPU顯存：

• NVIDIA H100：80GB，3TB/s，售價$25,000，每GB成本$312.50
• AMD MI300X：192GB，5.3TB/s，售價$20,000，每GB成本$104.17
• Apple M3 Ultra：512GB，800GB/s，售價$9,500，每GB成本$18.55

以2萬億參數巨獸Llama 4 Behemoth為例。

• 考慮到若用H100來完整容納Behemoth模型（fp16精度），則需要50塊H100，總成本為125萬美元；
• MI300X的總成本則為42萬美元；
• 但若使用M3 Ultra，總成本僅為7.6萬美元！

以下是網友@alexocheema對不同版本Mac運行新Llama 4版本的情況進行了全面分析。

Llama 4這次發布的模型最大一個優點之一就是稀疏模型，這給了本地部署很多想象力，也是開源模型的使命。

以精度4-bit為例，使用MLX推理框架可以在具有足夠RAM的Mac上部署這些模型。

網友@awnihannun總結了部署Llama 4最新三個模型所需要的最小配置，幾乎都可以完成本地部署：

• Llama 4 Scout 109B參數：64GB的M4 Max；
• Llama 4 Maverick 400B參數：256GB的M3 Ultra；
• Llama 4 Behemoth 2T參數：3臺512GB的M3 Ultra；

Llama 4很強，就是寫代碼有點菜

說完了硬件，再來看看Llama 4的實測效果。

網友@gnukeith測試了Llama 4的多模態能力，讓模型識別圖片中的人物來自于哪個動漫，Llama成功識別！

網友@attentionmech制作了一個模型視覺化網頁（簡單說就是看模型有多少層，有多深），Llama 4視覺上看起來確實令人驚嘆。

網友@philip_kiely使用Llama 4（Maverick）輕松擊敗了Brick Breaker氛圍測試。

當然，也有翻車的，比如網友@fighto測試了「喜聞樂見」的讓模型數r的問題，Llama 4 Maverick回答錯誤。

網友@tariquesha1測試了Llama 4的圖像生成能力。

再來看看Llama 4寫代碼的實戰案例。

網友AlexBefest宣布Llama 4 Maverick——Python六邊形測試失敗。Python六邊形測試可以說是每個新發布大模型的「試金石」了。

下面展示了其他模型在Python六邊形測試彈跳小球上的結果，來自Github的KCORES團隊。

KCORES團隊成員karminski-牙醫發布了Llama 4 Scout和Llama 4 Maverick的測試結果。

用他的話說，Llama 4 Scout小參數模型開心就好；足足有402B參數的Maverick模型的表現并不是很滿意：

• Scout小參數模型大概接近Grok2的水平（咋還倒退了）；
• 而Mavericks還不如使用DeepSeek-V3-0324；
• 總之不建議Llama 4寫代碼

按照KCORES LLM Arena的評測結果，目前最好的模型GPT-4.5-Preview。

當然，目前的測試只針對寫代碼，其他長文本和多模態領域還需要更多的測試案例。

Llama 4的另一個突破就是支持10M的上下文窗口長度，相當于20個小時的視頻。

全網部署Llama 4

不管怎么說Llama 4的發布依然是開源模型的又一劑強心針。

各家巨頭和平臺同時宣布支持最新的Llama 4。

微軟CEO Satya Nadella宣布馬上將Scout和Maverick發布在Azure AI Foundry平臺。

Cerebras宣布將在下周完成Llama 4最新模型的部署。

Together AI上也同步推出Llama 4模型，作為Meta的發布合作伙伴，還支持Together API的方式來訪問Llama 4 Maverick 和Llama 4 Scout。

T3 Chat也宣布Llama 4 Scout和Maverick均已啟動，Scout由Groq托管，而Maverick由OpenRouter托管，并且聲明了小參數模型Scout非常便宜，決定免費發布。

Databricks數據智能平臺宣布使用Llama模型來為AI應用程序、智能體和工作流程提供支持。

接下來還會有更多的平臺跟進Llama 4最新模型，就像幾個月前各家平臺也是「瘋狂」上線DeepSeek一樣。

還有一個問題，為啥小扎選在他們的休息日發布Llama 4，馬上就周一了啊？

Defined和Liftoff的聯合創始人Nathan Lambert說頂尖Lab的領導們都會知道其他Labs的發布計劃。

難道說小扎知道下周會有什么「瘋狂」的模型發布可能會蓋過Llama 4的風頭，所以「趕鴨子上架」嗎。

首先在Llama 4的Github Model_Card的更新日志中，發現一個改動：

模型發布的日期從美國時間的4月7號改到了4月5號（也就是我們4月6號的凌晨）！

所以，周一Meta還會發布什么新模型嗎？

在llama.com的官網上，我們看到了llama4-resoning-is-coming的后綴，似乎預示著llama-4推理模型也要馬上發布了！

而奧特曼繼續放出他的煙霧彈，在社交媒體不停的預熱：OpenAI接下來也要放大招了！

而不論是此前奧特曼宣布GPT5、o3和o4-mini的消息，還是Llama 4的發布，還是DeepSeek和清華共同發布的論文，似乎預示著一件事：

所有人都在等待并期待著DeepSeek-R2！

請大家做好準備，也許下周即將是「瘋狂」的一周。