小紮回應Llama 4對比DeepSeek：開源榜單有缺陷，等17B深度思考模型出來再比

夢晨發自凹非寺

量子位 | 公眾號 QbitAI

Meta首屆LlamaCon開發者大會開幕，朱克伯格在期間接受採訪，回應大模型相關的一切。

包括Llama4在大模型競技場表現不佳的問題：

開源基準測試存在缺陷，常偏向特定不常見用例，與產品實際使用場景脫節，不能真實反映模型的優劣。

試圖為這類東西進行過多優化會誤入歧途。

對於我們團隊來說，搞一個衝到榜單頂部的Llama 4 Maverick版本相對容易，但是我們發佈的版本根本沒有對此進行調優，排名靠後是正常的。

以及與DeepSeek的比較：

我們的推理模型還沒有出來，所以還沒有和R1相應的模型去對比。

與此同時，在Meta合作夥伴亞馬遜的網站代碼中，被扒出要即將推出的Llama4推理模型為17B參數的llama4-reasoning-17b-instruct。

活動期間，有那麼點Meta不語，只是一味地拋出Llama系列「亮點」的意思了（doge）：

除即將推出超2萬億參數的Llama 4 Behemoth模型之外，代號「Little Llama」的80億參數小模型可能會在未來幾個月推出。
推出官方Llama API平台
推出一系列AI安全工具，包括檢測和防止提示注入、越獄等風險。

朱克伯格談「智能爆炸」

朱克伯格認為隨著軟件工程和AI研究的自動化推進，智能爆炸具備實現的可能性。從技術發展趨勢來看，AI寫代碼能力不斷提升，預計未來12-18個月，大部分相關代碼將由AI完成。

這不僅意味著開發效率的大幅提高，還可能帶來代碼質量的提升，因為AI能夠基於大量的數據和先進的算法，生成更優化、更高效的代碼。

然而真正達到智能爆炸還面臨著諸多現實層面的製約。在物理基礎設施上，構建大規模計算集群複雜且耗時，從研發到穩定應用需要一定時間，同時還需要配套建設網絡設施，確保數據的高速傳輸；建設專門的數據中心場地，要經過嚴格的審批流程；解決能源供應問題，無論是採用傳統的燃氣輪機發電還是綠色能源，都涉及到複雜的供應鏈體系，這些環節都需要耗費大量的時間和資源。

在人機協同方面，人們對AI系統的適應和反饋同樣需要時間。AI系統並非一經推出就能被用戶熟練使用，而是需要一個相互學習的過程。用戶在使用過程中逐漸掌握與AI交互的方式，AI則通過分析用戶的行為和反饋，不斷優化自身的功能和性能。

在Meta廣告團隊的自動化排序實驗中，儘管有大量的測試想法，但由於計算資源的限制，無法對所有假設進行充分測試；同時，為了保證測試結果的準確性和可靠性，需要大量的測試人力，這也在一定程度上限制了實驗的推進速度。

朱克伯格認為，人們已經開始與AI建立起多種類型的關係，如將AI作為治療師傾訴或朋友分享生活等，產品開發者應該尊重用戶的選擇。

雖然現階段這類AI人際關係相關的產品在技術實現上還不夠成熟，比如虛擬治療師或朋友的形像往往只是簡單的圖片或粗糙的動畫，缺乏真實的交互感，但隨著技術的不斷進步，為提升虛擬形象的真實感和交互性帶來了新的可能。

換句話說，AI和元宇宙戰略在未來還有聯動效應。

在產品設計理念上，避免過度干擾用戶是關鍵原則。Meta的Orion眼鏡設計目標不僅僅是集成各種先進的技術功能，更重要的是要成為一副好用的日常眼鏡。在不使用AI功能時，它要能像普通眼鏡一樣滿足用戶的基本需求，如佩戴舒適、外觀美觀；當用戶需要使用 AI 功能時，又能便捷地提供服務，如語音交互、信息展示等。

這種設計理念同樣適用於增強現實未來的產品設計，即讓物理世界和數字世界自然融合，在為用戶提供豐富數字內容的同時，避免數字元素過度充斥用戶的視野，造成視覺和心理上的負擔。