# Meta 發布 Llama 4，引領多模態 AI

- 連結：https://leggie.co/meta-%e7%99%bc%e5%b8%83-llama-4-%e5%bc%95%e9%a0%98%e5%a4%9a%e6%a8%a1%e6%85%8b-ai/
- 發佈時間：2025-04-06T11:36:51+08:00
- 作者：Leggie

![Meta 發布 Llama 4](data:image/gif;base64,R0lGODlhAQABAAAAACH5BAEKAAEALAAAAAABAAEAAAICTAEAOw
==)

Meta 於2025年4月5日投下震撼彈，正式發布其最新的大型語言模型系列—[Llama 4](https://ai.meta.com/blog/llama-4-multimodal-intelligence/)。
這項 AI 領域的重大突破預計將重塑產業格局，並為多模態人工智能開啟嶄新紀元。 Llama
4 系列包含兩款首發模型： Llama 4 Scout 和 Llama 4 Maverick ，以及仍在訓練中的強大
模型 Llama 4 Behemoth。此次發布不僅展現 Meta 在生成式 AI 領域的雄心壯志，更突顯其
欲在全球 AI 競賽中取得領先地位的決心。值得注意的是 Meta 在 AI 基礎設施方面投入了
鉅額資金，預計今年將高達650億美元，這也反映出 Llama 4 在其整體戰略中的核心地位。

Llama 4 的推出正值AI技術蓬勃發展的關鍵時刻，各科技巨頭紛紛加碼投資，力求在這一領域
佔據主導地位。 Meta 此次發布的多款模型，特別是其原生多模態能力和混合專家( Mixture
of Experts, MoE )架構，預示著 AI 技術發展的新方向。這項技術的進步不僅將使開發者能夠
構建更具創新性的應用，也將深刻影響包括自然語言處理、內容生成和程式碼編寫等多個領域。
Llama 4 的潛在受益者涵蓋了廣大的開發者社群、各行各業的企業以及 AI 研究人員，其影響力
不容小覷。 Meta 此次策略性地同步推出多個模型，並預告更強大的 Behemoth 即將到來，
顯示其欲全面覆蓋不同應用場景和使用者需求，並展現其在 AI 技術上的領先地位。此外，
有報導指出 Meta 在 Llama 4 的開發過程中，借鑒了中國科技公司 DeepSeek 的效率化架構，
這也體現了 Meta 積極學習和適應市場競爭的靈活策略。

## 技術規格與突破性功能

Llama 4 系列的首批成員包括 Llama 4 Scout 和 Llama 4 Maverick ，這兩款模型均採用 
Meta 首創的原生多模態設計以及 MoE 架構。

### Llama 4 Scout

Llama 4 Scout 搭載170億個活躍參數，總參數量達到1090億，並由16個專家模型組成。其最
引人注目的特性是領先業界的1000萬token上下文視窗。相較於 Llama 3 的 128K token 上下文
視窗， Scout 的能力提升了近80倍。這意味著 Scout 能夠在單次處理中分析相當於15000頁
的資訊量。在多模態能力方面， Llama 4 Scout 採用原生設計，透過早期融合技術，能夠無縫
整合文字和視覺資訊。在硬體效率方面， Scout 的設計使其能夠在單張 NVIDIA H100 GPU上
運行(採用 Int4 量化)。其主要功能包括多文件摘要、分析使用者活動模式、處理龐大的程式碼
庫以及精確的圖像定位。 Scout 模型如此龐大的上下文視窗是一項顯著的技術優勢，預計將在
需要長期記憶和理解大量數據的應用領域開創新的可能性。此外，其能在單張 GPU 上運行的
特性，也降低了使用門檻，讓更多使用者能夠體驗先進的 AI 能力。

### Llama 4 Maverick

Llama 4 Maverick 同樣擁有170億個活躍參數，但其總參數量高達4000億，並由128個專家模型
組成。 Maverick 也具備原生多模態能力，並採用早期融合技術。它支援包括中文在內的12
種語言的文字和圖像輸入與輸出，並且能夠處理多達八張圖像。在硬體效率方面， Maverick
的設計使其能夠在單個 H100 主機上輕鬆進行推論。此外， Maverick 還提供 FP8 量化版本，
使得這個擁有128個專家模型的版本能夠在單個 NVIDIA 8xH100 節點上運行。 Maverick 的
主要功能包括卓越的多語種圖像和文字理解能力、創意寫作以及企業級應用。相較於 Scout，
Maverick 擁有更多的專家模型，這暗示其更擅長處理複雜任務，並在通用應用方面提供更高
品質的輸出。 FP8 量化版本的推出也顯示 Meta 致力於優化模型的效能和成本效益。

### Llama 4 Behemoth (預覽)

Llama 4 Behemoth 是一款仍在訓練中的模型，擁有2880億個活躍參數，由16個專家模型組成，
總參數量接近兩兆。 Behemoth 作為 Llama 4 Scout 和 Maverick 的「教師模型」，用於提升
這兩款模型的性能。根據 Meta 的測試， Behemoth 在多個 STEM 基準測試中超越了 GPT-4.5、
Claude Sonnet 3.7 和 Gemini 2.0 Pro 。儘管仍在訓練中， Behemoth 的卓越性能已展現
Meta在AI模型研發方面的頂尖實力，其作為教師模型也預示著Meta將持續透過更強大的基礎
模型來提升其AI產品的整體能力。

## 性能大躍進

Llama 4 相較於其前代模型 Llama 3 在性能上實現了顯著的提升。首先， Scout 模型將上下文
視窗大幅擴展至1000萬 token ，遠超 Llama 3 的 128K 。其次， Llama 4 系列首次採用原生
多模態設計，而之前的模型則使用獨立的視覺參數。 Llama 4 在推理和程式碼編寫能力上也
較 Llama 2 有所提升。值得一提的是 Llama 4 在處理具爭議性的政治和社會議題時，其拒絕
回應的比率顯著降低，且回應更加平衡。這些改進表明 Llama 4 不僅在技術規格上有所突破，
在實際應用中的表現也更加成熟和可靠。

在與 OpenAI 的 GPT 系列進行比較時， Llama 4 Maverick 據稱在多個基準測試中擊敗了 
GPT-4o 和 Gemini 2.0 Flash 。然而， GPT-4o 在某些領域，例如數學方面，可能仍然具有
優勢。此外， Llama 4 Behemoth 在 STEM 基準測試中超越了 GPT-4.5 。儘管如此，開發初期
曾有報導指出Llama 4在推理和數學方面的表現未達到 Meta 的預期，與 OpenAI 的模型相比
仍有差距，這暗示 Meta 仍在持續努力提升這些關鍵能力。 Meta 直接將 Llama 4 定位為與
OpenAI 領先模型競爭的產品，並聲稱在某些方面具有更優越的性能。但要全面評估這些說法，
還需要更廣泛的獨立評測和針對特定任務的比較。開發初期的性能問題也提醒人們，追趕領先
者並非易事。

與 Google 的 Gemini 系列相比，L lama 4 Maverick 在多項基準測試中勝過 Gemini 2.0 
Flash ，而 Llama 4 Behemoth 則在 STEM 基準測試中優於 Gemini 2.0 Pro 。 Llama 4 與
Google 的 Gemini 模型展現出強勁的競爭力， Meta 強調其在特定基準測試中的優勢。此外
Llama 4 的開源特性與 Gemini 的封閉模式形成對比，這可能成為開發者選擇模型的重要考量
因素。除了與頂尖模型的比較， Llama 4 Scout 在多個基準測試中也勝過了 Gemma 3 和 Mistral
3.1 。 Llama 4 Maverick 則在推理和程式碼編寫方面取得了與 DeepSeek v3 相當的成果，
但使用的活躍參數更少。這些數據進一步證明 Llama 4 在眾多領先的大型語言模型中佔據了
一席之地，尤其 Maverick 相較於 DeepSeek V3 的效率更令人印象深刻。

Llama 4 的強大功能和多模態特性使其在自然語言處理、內容生成和程式碼編寫等領域展現出
巨大的應用潛力。

### 自然語言處理 (NLP)

Llama 4 具備更強大的語言理解和生成能力，能夠更精準地理解上下文資訊 。其超長的上下文
視窗使得處理多文件摘要、分析使用者行為模式以及理解龐大的程式碼庫成為可能。這將有助於
開發出更準確、更貼近情境的聊天機器人和虛擬助理。 Llama 4 支援12種語言，並在訓練數據
中涵蓋了200種語言，這將極大地提升其多語種處理能力，促進全球範圍內語言 AI 解決方案
的發展。

### 內容生成

Llama 4 能夠撰寫引人入勝的敘事內容，並在不同語言中保持一致的品牌語氣 。其多模態能力
也使得從包含圖像的PDF等輸入中生成行銷內容成為可能。此外， Llama 4 在創意寫作方面
也展現出更高的水準。這意味著 Llama 4 將能協助行銷人員和創意專業人士更高效地生成高
品質的內容，並能整合視覺元素，進一步豐富內容的表達形式。

### 程式碼編寫

Llama 4 在程式碼生成基準測試( HumanEval )中表現出色，並可用於程式碼自動完成和除錯。
其超長的上下文視窗也有助於理解大型程式碼庫。透過與 Together A I等平台的整合， Llama
4 還能實現程式碼摘要等功能。這些特性將顯著提升開發人員的生產力，並降低程式碼編寫
的入門門檻。

### 其他潛在應用

Llama 4 的多功能性使其能夠應用於更廣泛的領域，例如構建用於推理和工作流程自動化的
企業代理、用於從 PDF 和掃描文件中提取結構化數據的文檔理解系統、利用使用者數據實現
個人化任務自動化、人才搜尋以及提升人型機器人的互動能力。 Llama 4 憑藉其多模態能力、
長上下文處理能力和卓越的性能，有望成為各行各業創新應用的重要基石。

## 對Meta最新AI模型的看法

Meta 執行長馬克·祖克伯格強調， Llama 4 的目標是打造全球領先的 AI ，並以開源方式使
其普及，造福所有人。他認為開源 AI 將引領未來模型發展，而 Llama 4 正是這一趨勢的開端，
並稱其為一次「重大升級」 。Meta AI 團隊則認為 Llama 4 標誌著Llama生態系統的新紀元，
具備前所未有的上下文長度和 MoE 架構，並強調其效率和性能的提升。

亞馬遜雲端運算服務( AWS )宣布 Llama 4 模型即將在 SageMaker Jumpstart 上提供，並將
很快作為 Amazon Bedrock 上的全託管無伺服器選項提供，這也印證了 AWS 對模型選擇和易
用性的承諾。 Red Hat 對 Llama 4 在 vLLM 上的首日推論支援表示興奮，強調了開源 AI 
的力量以及他們與Meta的緊密合作 ^(。 )Cloudflare 作為 Llama 4 的發布合作夥伴，也對
能在其 Workers AI 平台上提供 Llama 4 表示激動，並強調其高效、多模態和開源的特性。
Together AI 作為另一家發布合作夥伴，很高興能為開發者提供對 Llama 4 的首日支援，並
著重介紹其在多模態能力、效率和可擴展性方面的優勢。

在 Reddit 等社群媒體上，使用者對 Llama 4 的看法不一，既有對其開源特性和長上下文視窗
的興奮之情，也有對潛在偏見的疑慮。一些討論也將 Llama 4 與 Gemini 進行比較。總體而言，
業界專家和合作夥伴的初步反應非常積極，普遍強調 Llama 4 在多模態、上下文長度和效率
方面的進步。祖克伯格關於超越競爭對手的強烈聲明引人注目，但更廣泛的社群則展現出既
興奮又持批判性評估的態度，這對於重要的 AI 發布來說是很典型的現象。

## 授權條款與使用條件

Llama 4 系列模型採用自訂的商業授權條款— [Llama 4 Community License Agreement](https://www.llama.com/llama4/license/)
^( )。該授權條款授予使用者非獨占性、全球性、不可轉讓且免版稅的有限許可，允許其使用、
複製、散布、拷貝、創建衍生作品和修改 Llama Materials 。

若使用者散布或提供 Llama Materials(或其任何衍生作品)，或包含這些材料的產品或服務，
則必須附上授權協議副本，並在相關網站、使用者介面、部落格文章、關於頁面或產品文件
中顯著標示「Built with Llama」。如果使用者利用 Llama Materials 創建、訓練、微調或
改進任何將被散布的 AI 模型，則必須在該 AI 模型的名稱開頭加上「 Llama 」。此外，所有
散布的 Llama Materials 副本中都必須包含一個名為「 Notice 」的文字檔，其中包含指定
的版權聲明。

值得注意的是，如果被授權方的產品或服務在 Llama 4 版本發布日(2025年4月5日)前一個月
內的月活躍使用者超過7億，則必須向 Meta 申請額外的授權許可 。除了有限度地使用「 Llama」
標誌進行歸屬外，本協議不授予任何商標許可 。 Meta 對 Llama Materials 及其產生的任何
輸出結果均不提供任何形式的擔保，並明確聲明不承擔任何責任。

儘管 Meta 宣傳 Llama 4 為開源，但其授權條款因對大型商業實體的使用限制以及其他條件
而受到批評，被認為並未完全符合開源定義。此外，授權條款中也存在針對歐盟地區公司或
個人的特定使用限制。所有 Llama Materials 的使用都必須遵守其可接受使用政策。總而言之，
開發者和企業在使用 Llama 4 之前，務必仔細閱讀並理解其授權協議和可接受使用政策，以
確保合規。關於該授權是否真正屬於開源的爭論，也是 AI 社群需要持續關注的重要議題。

## 倫理考量與潛在風險

如同其他大型語言模型， Llama 4 也可能展現出訓練數據中存在的偏見。儘管 Meta 已努力
降低相較於 Llama 3 的偏見，但使用者仍需注意其可能產生的不準確或令人反感的內容。 
Llama 4 的多模態能力在處理使用者數據時也引發了隱私方面的擔憂。近期 Llama 框架被發現
存在一個嚴重的[安全漏洞](https://opentools.ai/news/major-security-flaw-exposed-in-metas-llama-framework)，
可能導致遠端程式碼執行。

Meta 強調負責任的使用，並提倡透明度、保護隱私、解決偏見和促進問責 。他們已在開發
的各個層面實施了風險緩解措施，並開源了 Llama Guard 和 Prompt Guard 等安全工具。 
Meta 還定期進行紅隊演練，並關注化學、生物、放射性、核子及爆裂物( CBRNE )安全、兒童
安全和網路攻擊等關鍵風險領域。然而，有[指控](https://p4sc4l.substack.com/p/meta-allegedly-used-shadow-libraries)
稱 Meta 在未經許可的情況下，使用了來自「影子圖書館」的受版權保護的資料來訓練 Llama
模型，包括移除版權資訊，這引發了嚴重的倫理和法律問題。整體來說，與 Llama 4 相關的
倫理考量和潛在風險是多方面且重要的，涵蓋了偏見、假訊息、安全漏洞和版權問題。 Meta
已採取多項安全措施和制定相關指南。關於使用盜版數據進行訓練的指控，更凸顯了 AI 發展
中倫理和法律挑戰的複雜性。

## 結語

Llama 4 的發布標誌著 AI 領域的重大進展，其原生多模態能力、 MoE 架構、前所未有的上下文
長度以及在多項基準測試中的優異表現，都預示著 AI 技術的未來發展方向。Llama 4 有望
賦予開發者強大的工具，以構建創新的 AI 應用，並在自然語言處理、內容生成、程式碼編寫
等領域帶來變革。其潛在應用涵蓋了個人化體驗、工作流程自動化以及更智能化的客戶服務
等多個方面。
