Meta Llama：关于开源生成式AI模型您需要了解的一切

与其他科技巨头一样，Meta也推出了自家的旗舰生成式AI模型——Llama。该模型的独特之处在于其“开源”特性：开发者可自由下载并使用（存在一定限制）。这与Anthropic的Claude、谷歌的Gemini、xAI的Grok以及OpenAI大部分ChatGPT模型形成鲜明对比——后者仅能通过API接口调用。

为提升开发者灵活性，Meta还与AWS、谷歌云、微软Azure等云服务商合作，推出云端托管版Llama。同时，公司通过《Llama开发指南》发布工具库与优化方案，助力开发者进行领域定制、效果评估及模型适配。随着Llama 3、Llama 4等新一代模型问世，功能已扩展至原生多模态支持与更广泛的云部署。

本文将全面解析Meta Llama的核心能力、版本差异及应用场景，并随官方更新持续补充最新动态。

Llama是什么？

Llama是一个模型系列，最新版本Llama 4于2025年4月发布，包含三款模型：

Scout：170亿激活参数，1090亿总参数，上下文窗口达1000万token
Maverick：170亿激活参数，4000亿总参数，上下文窗口为100万token
Behemoth：尚未发布，预计配备2880亿激活参数与2万亿总参数

（注：在数据科学中，token指原始数据的细分单元，例如单词“fantastic”可拆分为“fan”“tas”“tic”三个音节。）

模型的上下文窗口指生成输出时参考的输入数据量。较长的上下文能避免模型“遗忘”近期内容或偏离主题，但可能削弱安全护栏效果，导致输出内容更易迎合对话语境，甚至引发用户认知偏差。

作为参考，Llama 4 Scout的1000万token上下文约等于80部普通小说的文本量，Maverick的100万token则相当于8部小说。

据Meta透露，所有Llama 4模型均基于海量未标注文本、图像及视频数据训练，具备“广泛的视觉理解能力”，并支持200种语言。

Llama 4 Scout与Maverick是Meta首批开源权重的原生多模态模型，采用“专家混合”架构以降低计算负载，提升训练推理效率。例如Scout集成16位专家，Maverick则拥有128位专家。Behemoth包含16位专家，被定位为小模型的“教师模型”。

Llama 4在Llama 3系列（含3.1与3.2版本）基础上演进，后者广泛用于指令调优与云端部署场景。

Llama能做什么？

与其他生成式AI模型类似，Llama可执行编程辅助、基础数学解答、文档摘要等任务，支持至少12种语言（阿拉伯语、英语、德语、法语、印地语、印尼语、意大利语、葡萄牙语、西班牙语、他加禄语、泰语、越南语）。其文本处理能力覆盖PDF、电子表格等大型文件分析，且Llama 4全系支持文本、图像及视频输入。

具体而言：Scout专为长流程工作与大规数据分析设计；Maverick作为通用模型，在推理能力与响应速度间取得平衡，适用于编程、聊天机器人及技术助手场景；Behemoth则面向前沿研究、模型蒸馏与STEM任务。

包括Llama 3.1在内的模型可配置调用第三方应用与API：通过Brave Search获取实时事件信息，借助Wolfram Alpha API处理数理查询，使用Python解释器验证代码。但需注意，这些工具需手动配置，非默认启用。

如何使用Llama？

若想直接体验对话功能，Llama已集成至Meta AI聊天机器人，覆盖Facebook Messenger、WhatsApp、Instagram、Oculus及Meta.ai平台，服务40个国家/地区。经微调的Llama版本在超200个国家/地区的Meta AI服务中运行。

Llama 4的Scout与Maverick模型可通过Llama.com及Hugging Face等合作平台获取，Behemoth仍在训练中。开发者可在主流云平台下载、使用或微调模型。Meta宣称拥有超25家合作托管方，包括英伟达、Databricks、Groq、戴尔、Snowflake等。虽然Meta不直接“销售”开源模型访问权，但通过与托管方分成协议获利。

部分合作方在Llama基础上开发了增强工具，例如支持模型调用专有数据、实现低延迟运行等功能。

需特别注意Llama的授权限制：月活用户超7亿的应用开发者需向Meta申请特殊许可，由公司酌情授权。

2025年5月，Meta启动“Llama for Startups”计划，为初创企业提供技术支持与潜在融资机会。

为确保模型安全使用，Meta配套推出以下工具：