随着DeepSeek爆火，面试中也越来越高频出现，因此训练营也更新了DeepSeek系列技术的深入拆解。包括MLA、MTP、专家负载均衡、FP8混合精度训练，Dual-Pipe等关键技术，力求做到全网最硬核的解析~

Meta 终于发布了 Llama 4，Llama 4 是原生训练的多模态大模型，采用 MOE 架构。

目前共有三个版本：

**Llama 4 Scout：**109B 模型参数和 17B 激活参数，16 个专家，是最小号 Llama 4 模型，可以跑在单个 NVIDIA H100 GPU 上（采用 Int4 量化后），支持 10M 上下文，效果超过 Gemma 3、Gemini 2.0 Flash-Lite 和 Mistral 3.1。

**Llama 4 Maverick：**400B 模型参数和 17B 激活参数，128 个专家，效果超过 GPT-4o 和 Gemini 2.0 Flash，在推理和编程方面与新版本 DeepSeek v3 相当。

Llama 4 Maverick 在 LMArena 上的 ELO 得分为 1417，目前仅次于 Gemini 2.5 Pro，排行第二。

**Llama 4 Behemoth：**2T 模型参数和 288B 激活参数，16 个专家，是最大号的 Llama 4 模型，在多个 STEM 基准测试中超过了 GPT-4.5、Claude Sonnet 3.7 和 Gemini 2.0 Pro。Behemoth 也做为小模型的教师模型来进行模型蒸馏。

不过目前现在 Meta 只开源了 Llama 4 Scout 和 Llama 4 Maverick，最大的模型 Llama 4 Behemoth 目前只是预览版本，模型仍然在训练中。

HuggingFace 模型链接：

https://huggingface.co/collections/meta-llama/llama-4-67f0c30d9fe03840bc9d0164ons/meta-llama/llama-4-67f0c30d9fe03840bc9d0164

Llama 4 在模型架构上首次采用 MoE，MoE 架构在训练和推理过程中更加计算高效，并且在固定的运算量预算下，与密集模型相比，能够提供更高的质量。DeepSeek V3 也是采用 MoE 架构。

而且 Llama 4 模型采用原生多模态设计，预训练阶段就是联合使用大量未标记的文本、图像和视频数据一起训练，但是 Llama 4 只支持图像做输入，并不支持 GPT-4o 的图像生成能力，所以 Llama 4 只能做视觉理解。

Llama 4 中的视觉编码器也基于 MetaCLIP 进行了改进，但与冻结的 Llama 模型一起单独训练，以更好地使编码器适应 LLM。

Llama 4 的预训练数据包括公开可用的许可数据、Meta 产品和服务中的信息。

其中涵盖了 Instagram 和 Facebook 上公开分享的帖子以及用户与 Meta AI 的互动。

Llama 4 的预训练语料包含 200 种语言，其中包括超过 100 种每种超过 10 亿 token 的语言，总体上比 Llama 3 多出 10 倍的多语言 token。其中 Llama 4 Scout 预训练过了 40T，而 Llama 4 Maverick 过了 22T。

Llama 预训练使用一种新的训练技术 MetaP，它能够可靠地设置关键模型超参数，例如每层的学习率和初始化比例。而且为了高效率训练，Llama 4 训练也采用了 FP8。

Llama 4 Maverick 从模型大小来看，算是主力模型，其在基准测试上表现如下所示。

Llama 4 Maverick 是同类中最佳的多模态模型，在编程、推理、多语言、长上下文和图像基准测试中超过了类似模型（如 GPT-4o 和 Gemini 2.0），并且在编程和推理方面与规模大得多的 DeepSeek v3.1 相当。

而且 Llama 4 Maverick 在 LMArena 上的 ELO 得分为 1417，目前仅次于 Gemini 2.5 Pro，排行第二，相比 Llama 3 405B 相比有巨大飞跃（1268）。

所以也超过 DeepSeek V3 和 DeepSeek R1，成为最好的开源大模型。不过 Llama 4 Maverick 非推理大模型，在推理任务上应该比不上 DeepSeek R1。

最小号模型 Llama 4 Scout 在基准测试上表现如下所示，可以看到效果上可以超过 Gemma 3 27B、Gemini 2.0 Flash-Lite 和 Mistral 3.1 24B。

虽然 Llama 4 Scout 后训练是支持 256K 上下文，但是得益于 Llama 4 所新设计的 iRoPE（使用没有位置嵌入的交错注意力层），推理时可以扩展到 10M 上下文。而 Llama 4 Maverick 可以支持 1M 上下文。

Meta 最大的模型 Llama 4 Behemoth 模型参数达到了 2T，是我目前看到的最大模型。

Llama 4 Behemoth 只是预览阶段，还在继续训练中，但是当前在多个 STEM 基准测试中已经超过了 GPT-4.5、Claude Sonnet 3.7 和 Gemini 2.0 Pro。

这么大号的模型当前应该是很难落地部署的（和 GPT-4.5 一样），Llama 4 Behemoth 的一大价值可以作为教师模型对小模型进行模型蒸馏。

比如 Llama 4 Maverick 就是采用了 Llama 4 Behemoth 作为教师模型来蒸馏提升了性能。

我觉得整体上 Llama 4 是符合预期的，但是没有超过预期，因为目前的 Llama 4 都是常规大模型，而没有对推理任务支持更好的推理大模型版本。

所以，相比 OpenAI 的 o1 和 o3-mini，DeepSeek 的 R1 以及谷歌的 Gemini 2.0 Flash 这样的推理模型，Llama 4 可能没有优势。

以及 Llama 4 的原生多模态也不支持图像生成，这和 GPT-4o 以及 Gemini 2.0 Flash 也无法比。

而且 Llama 4 虽说支持多语言，但是按照模型卡上所说，支持的语言包括：

Supported languages: Arabic, English, French, German, Hindi, Indonesian, Italian, Portuguese, Spanish, Tagalog, Thai, and Vietnamese.

没有中文，这可能是说 Llama 4 对中文的支持不会那么好。

此外，Llama 4 的开源协议更严格了一些，比如拥有超过 7 亿月活跃用户的公司必须向 Meta 申请特别许可，而 Meta 可以自行决定是否授予该许可。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）