主要观点：Meta 正式发布 Llama 4 系列模型（Scout 和 Maverick），标志其开放权重大型语言模型生态的进步，具原生多模态架构和专家混合框架，旨在支持更广泛应用。
关键信息：

• Llama 4 Scout 有 170 亿活跃参数分布于 16 个专家，可在单 NVIDIA H100 GPU 运行，支持 1000 万令牌上下文窗口适用于通用 AI 任务；Maverick 同样 170 亿活跃参数但用 128 个专家，在推理和编码方面能力增强，在 Meta 基准测试中优于同类模型。
• 两模型均从仍在训练的旗舰模型 Llama 4 Behemoth 提炼，后者有 2880 亿活跃参数近 2 万亿总数，Meta 称其在多个 STEM 基准测试中超越 GPT-4.5、Claude 3 Sonnet 和 Gemini 2.0 Pro，Behemoth 是小模型的关键训练师。
• Meta 强调新的训练和训练后策略，包括轻量级监督微调、强化学习和新的多模态输入课程设计，以提高困难任务性能并减少模型偏差。
  重要细节：
• 有早期用户对模型性能表示怀疑，称其在尝试的任务中表现不佳，比 20 - 30B 模型还差且缺乏一般知识，也有人希望是设置问题导致，AI 专家 Uli Hitzel 指出即使最先进的裸 LLM 若未整合到适当设计的代理工作流中也会产生愚蠢结果，如 Llama 4 Maverick 仍会出错。Meta 未在公共渠道直接回应这些担忧，Scout 和 Maverick 可在 llama.com 和 Hugging Face 下载。