Llama4開源空降!1000萬超長上下文、單GPU可跑,還有近2萬億引數巨模型

三大模型登場:“巨杯”總引數近2萬億,“小杯”10M超長上下文,“中杯”推理程式設計媲美DeepSeek。
編譯 |  ZeR0
編輯 |  漠影
智東西4月6日報道,今日,Meta釋出Llama 4系列首批模型,包括兩款高效模型Llama 4 Scout、Llama 4 Maverick。這是Meta首款採用混合專家(MoE)架構構建的原生多模態模型,其中Scout更是首度支援超長10M上下文視窗。Meta還預覽了其迄今最強大的新教師模型——Llama 4 Behemoth。
“小杯”Llama 4 Scout擁有16位專家、170億個活躍引數、1090億個總引數,被稱作“同類產品中全球最好的多模態模型”,提供1000萬tokens上下文視窗(對應多達500萬個單詞的文字),適用於單張NVIDIA H100 GPU(具有Int4量化),並在廣泛基準測試中分數超過Gemma 3、Gemini 2.0 Flash-Lite、Mistral 3.1。
“中杯”Llama 4 Maverick擁有128位專家、170億個活躍引數、4000億個總引數,也是“同類中最好的多模態模型”,適用於單臺H100主機,在廣泛基準測試中擊敗了GPT-4o和Gemini 2.0 Flash,同時在推理和程式設計方面取得了與新DeepSeek-v3相當的結果,活躍引數不到後者的一半。
Llama 4 Maverick主打價效比,其實驗性聊天版本在LMArena上的ELO得分為1417,每1M tokens輸入和輸出推理成本區間(0.19-0.49美元)也做到接近甚至低於DeepSeek v3.1(0.48美元)。
這些成績歸功於從Meta迄今最強大的模型“巨杯”Llama 4 Behemoth的提煉。Llama 4 Behemoth擁有16位專家、2880億個活躍引數、近2萬億個總引數,在多個STEM基準測試中的表現優於GPT-4.5、Claude Sonnet 3.7和Gemini 2.0 Pro。
Llama 4 Behemoth仍在訓練中,尚未正式釋出,但Meta先分享了一些技術細節。
從llama.com和Hugging Face可下載Llama 4 Scout和Llama 4 Maverick模型。這些模型很快將在主流雲和資料平臺、邊緣晶片和全球服務整合商上提供。
模型下載地址:
llama.com/llama-downloads/
huggingface.co/meta-llama
即日起,使用者在WhatsApp、Messenger、Instagram Direct和Meta.AI網站上可試用使用Llama 4構建的Meta AI。
Meta還預告將在4月29日的LlamaCon上分享更多關於其願景的內容。
01.
MoE架構+多種預訓練新方法,
提高算力利用率
構建Llama 4模型在預訓練期間採用了多種新方法。
新Llama 4模型是Meta首批使用混合專家(MoE)架構的模型。在MoE模型中,單個 token僅啟用總引數的一小部分。MoE架構在訓練和推理方面具有更高的計算效率,並且在給定固定訓練FLOP預算的情況下,與密集模型相比,可提供更高的質量。
例如,Llama 4 Maverick模型有17B個活躍引數和400B個總引數。Meta使用交替的密集和混合專家(MoE)層來提高推理效率。
MoE層使用128位路由專家和一位共享專家。每個token都會發送給共享專家以及128位路由專家之一。因此,雖然所有引數都儲存在記憶體中,但在為這些模型提供服務時,只有總引數的子集被啟用。
這透過降低模型服務成本和延遲來提高推理效率。Llama 4 Maverick可在單臺NVIDIA H100 DGX主機上執行,以便於部署,也可以透過分散式推理實現最高效率。
Llama 4模型採用原生多模態設計,結合早期融合,將文字和視覺token無縫整合到統一的模型主幹中。早期融合是向前邁出的重要一步,因為它使Meta能夠使用大量未標記的文字、影像和影片資料聯合預訓練模型。
Meta還改進了Llama 4中的視覺編碼器。它基於MetaCLIP,但與凍結的Llama模型一起單獨訓練,以便更好地使編碼器適應大語言模型。
Meta開發了一種新的訓練技術MetaP,能可靠地設定關鍵模型超引數,例如每層的學習率和初始化尺度。該團隊發現所選的超引數在不同的batch處理大小、模型寬度、深度和訓練token值之間具有良好的遷移性。
Llama 4透過對200種語言進行預訓練來實現開源微調工作,其中包括100多種語言,每種語言都有超過10億個token,總體而言,多語言tokens比Llama 3多10倍。
此外,Meta專注於使用FP8精度進行高效的模型訓練,而不會犧牲質量並確保較高的模型FLOP利用率。在使用FP8和32K GPU預訓練Llama 4 Behemoth模型時,Meta實現了390 TFLOPs/GPU。用於訓練的整體資料組合由超過30萬億個token組成,是Llama 3預訓練組合的2倍多,包括各種文字、影像和影片資料集。
Meta繼續在所謂的“中期訓練”階段訓練模型,以使用新的訓練方案(包括使用專門的資料集進行長上下文擴充套件)來提高核心功能。這使其能夠提高模型質量,同時為Llama 4 Scout解鎖超長的10M輸入上下文長度。
02.
改進後訓練流程,
權衡計算和準確性
新Llama 4模型有不同大小。Llama 4 Maverick在影像和文字理解方面提供行業領先效能,支援建立複雜的AI應用程式以跨越語言障礙。作為Meta針對通用助手和聊天用例的產品主力模型,Llama 4 Maverick非常適合精確的影像理解和創意寫作。
在對Llama 4 Maverick模型進行後訓練時,最大的挑戰是在多種輸入模式、推理和對話能力之間保持平衡。對於混合模式,Meta提出了一個精心策劃的課程策略,與單個模式專家模型相比,該策略不會犧牲效能。
藉助Llama 4,Meta透過採用不同的方法改進了後訓練流程:輕量級監督微調(SFT)> 線上強化學習(RL)> 輕量級直接偏好最佳化 (DPO)。
一個關鍵的學習是,SFT和DPO可能會過度約束模型,限制線上強化學習階段的探索並導致準確性不理想,特別是在推理、程式設計和數學領域。
為了解決這個問題,Meta使用Llama模型作為判斷標準,刪除了50%以上標記為簡單的資料,並對剩餘的較難資料集進行了輕量級SFT。
在隨後的多模態線上強化學習階段,透過仔細選擇更難的提示,Meta能夠實現效能的階躍變化。
此外,Meta實施了持續線上RL策略,交替訓練模型,然後使用它來持續過濾並僅保留中等難度到困難難度的提示。事實證明,這種策略在計算和準確性權衡方面非常有益。
然後,Meta做了一個輕量級DPO來處理與模型響應質量相關的極端情況,有效地在模型的智慧和對話能力之間實現了良好的平衡。管道架構和具有自適應資料過濾的持續線上RL策略最終形成了業界領先的通用聊天模型,具有先進的智慧和影像理解能力。
作為通用大語言模型,Llama 4 Maverick包含170億個活躍引數、128位專家和4000億個總引數,與Llama 3.3 70B相比,它以更低的價格提供高質量。
Llama 4 Maverick是同類最佳的多模態模型,在程式設計、推理、多語言、長上下文和影像基準測試中超越了GPT-4o和Gemini 2.0等同類模型,並且在程式設計和推理方面可與活躍引數規模大得多的DeepSeek v3.1相媲美。
小型模型Llama 4 Scout是一個通用模型,擁有170億個活動引數、16位專家和1090億個總引數,可提供同類中一流的效能。Llama 4 Scout將支援的上下文長度從Llama 3中的128K大幅增加到行業領先的1000萬個token,適用於多文件摘要、解析大量使用者活動以執行個性化任務以及對龐大的程式碼庫進行推理。
Llama 4 Scout經過了預訓練和後訓練,上下文長度為256K,這為基礎模型提供了高階長度泛化能力。
Meta在諸如對文字進行“大海撈針”式檢索以及對1000萬個程式碼token進行累積負對數似然(NLL)等任務中展示了令人信服的結果。
Llama 4架構的一個關鍵創新是使用沒有位置嵌入的交錯注意層。此外,Meta採用注意力的推理時間溫度縮放來增強長度泛化,並稱之為iRoPE架構。其中“i”代表“交錯”注意層,突出了支援“無限”上下文長度的長期目標,“RoPE”指的是大多數層中使用的旋轉位置嵌入。
Meta用各種影像和影片幀靜態影像訓練了兩個模型,以便讓它們具有廣泛的視覺理解能力,包括時間活動和相關影像。這使得多影像輸入以及用於視覺推理和理解任務的文字提示能夠輕鬆互動。這些模型在多達48張影像上進行了預訓練,在訓練後測試了多達8張影像,取得了良好的效果。
Llama 4 Scout在影像基礎方面也效能出色,能夠將使用者提示與相關的視覺概念對齊,並將模型響應錨定到影像中的區域。這使得大語言模型能夠更精確地回答視覺問題,從而更好地理解使用者意圖並定位感興趣的物件。
該模型在程式設計、推理、長上下文和影像基準方面也超越了同類模型,並比所有以前的Llama模型都具有更強大的效能。
03.
Llama 4 Behemoth預覽:
近2萬億總引數,改造底層基礎設施
Llama 4 Behemoth一個教師模型,也是一個多模態專家混合模型,擁有2880億個活躍引數、16個專家、近2萬億個總引數,在數學、多語言和影像基準測試中為非推理模型提供了先進效能。
Meta開發了一種新穎的提煉損失函式,可透過訓練動態加權軟目標和硬目標。在預訓練期間從Llama 4 Behemoth進行共同提煉,可攤銷計算學生訓練中使用的大多數訓練資料的提煉目標所需的資源密集型前向傳遞的計算成本。為了在學生訓練中加入更多新資料,Meta對Behemoth模型進行了前向傳遞,以建立提煉目標。
對具有2萬億個引數的模型進行後期訓練也是一項重大挑戰,這需要從資料規模開始徹底改革和改進配方。為了最大限度地提高效能,必須修剪95%的SFT資料,而對於較小的模型則需要修剪50%,以實現對質量和效率的必要關注。
Meta還發現,進行輕量級SFT後進行大規模強化學習(RL)可以更顯著地提高模型的推理和程式設計能力。其RL配方專注於透過使用策略模型進行pass@k分析來取樣硬提示,並制定增加提示難度的訓練課程。
Meta還發現,在訓練期間動態過濾掉沒有優勢的提示,並使用來自多種功能的混合提示構建訓練批次,有助於提高數學、推理和程式設計的效能。
最後,從各種系統指令中取樣對於確保模型保留其推理和程式設計的指令遵循能力並能夠在各種任務中表現良好至關重要。
由於RL的規模空前巨大,因此將其擴充套件到2萬億引數模型也需要改造底層RL基礎設施。
Meta優化了MoE並行化的設計以提高速度,從而實現了更快的迭代。該團隊開發了一個完全非同步的線上RL訓練框架,提高了靈活性。與現有的分散式訓練框架相比,後者犧牲了計算記憶體來將所有模型堆疊在記憶體中,而其新基礎設施能夠靈活地將不同的模型分配到單獨的GPU上,根據計算速度在多個模型之間平衡資源。與前幾代相比,這項創新使訓練效率提高了約10倍。
04.
結語:開源多種保護措施,
改進消除偏見能力
Meta稱其目標是開發最有幫助和實用的模型,同時防範和緩解最嚴重的風險,根據《開發人員使用指南:AI保護》中概述的最佳實踐構建了Llama 4,使開發人員能夠為其Llama支援的應用程式建立有用、安全且適應性強的體驗。
Meta在預訓練方面,結合使用資料過濾和其他資料緩解措施來保護模型;對於後訓練,應用了一系列技術來確保模型符合對使用者和開發者有益的政策,包括在每個階段提供適當級別的安全資料。
在系統層面,Meta開源了幾種保護措施,可幫助識別和防範潛在的有害輸入和輸出。這些工具(Llama Guard、Prompt Guard、CyberSecEval)可以整合到Llama模型中,也可以與其他第三方工具整合。
Meta以可控且可重複的方式對各種場景和用例中的模型進行系統測試,並將產生的資料整合到訓練後的結果中。該團隊還利用自動和手動測試對一系列主題的對抗性動態探測對模型進行壓力測試,在理解和評估潛在模型風險方面取得了進展。
為消除AI模型的偏見,Meta將繼續提高Llama的響應能力,以便它能夠回答問題,能夠對各種不同的觀點做出回應而不作任何評判,並且不會偏袒某些觀點。經改進,Llama 4的效能明顯優於Llama 3,並且可與Grok相媲美:

  • Llama 4對有爭議的政治和社會話題的拒絕較少(從Llama 3.3中的7%降至不到2%)。

  • Llama 4在拒絕回答提示方面明顯更加平衡(在一系列有爭議的熱門問題中,不平等回答拒絕的比例現在不到1%)。

Meta還致力於讓模型能夠以像人類一樣的速度、以個性化的方式做出回覆。Llama 4 經過了最佳化以滿足這些需求。
來源:Meta
(本文系網易新聞•網易號特色內容激勵計劃簽約賬號【智東西】原創內容,未經賬號授權,禁止隨意轉載。)


相關文章