Llama 4 刷榜作弊引热议，20 万显卡集群就做出了个这？

正文

请到「今天看啥」查看全文

还有网友非常贴心的给出 Llama 4 系列的模型能力找了个参照物：“Llama 4 maverick 这个 402B 的大模型，大概跟 Qwen QwQ 32B 写代码水平一致，而 Llama 4 scout 则近似于 Grok2 或者 文心 4.5。”

1

Llama 4：超级刷榜选手

在官方给出的数据中，Llama 4 的能力妥妥碾压了一众大模型，但在网友们的实际测试中，Llama 4 却显得很拉跨，越测越觉得离谱的网友们不由得怀疑，扎克伯格是不是给自家模型偷偷刷榜了？

经过网友们的多方证实，最后发现， 嘿！还真是刷的。

其实如果认真看 Ahmad Al-Dahle 发布的 Llama 性能对比测试图最下面一行的小字，你就会发现上面写着“ Llama 4 Maverick 针对对话进行了优化 ”，而 Meta 其实早就给自己留了个“图片仅供参考，一切以实物为准”的心眼。

除了破解 Meta 官方的字谜游戏外，网友们也带着 Llama 4 进出于各大测试榜单中。

他们先是把 Llama 4 拉到了著名的 code 测试榜单 Aider ployglot 中，最终的得分比 qwen-32B还低。

在另一个代码评测榜单中，Llama 4 的成绩也只能排在中间位置。

除此之外，网友们发现在 EQBench 测评基准的长文章写作榜上，Llama 4 系列也是直接垫底。

而即使是最基础的翻译任务，网友们也表示 Llama 4 的表现也是比 3.3 的 70b 还要差得多，甚至还不如 Gemma 3 的 27B。

2

请到「今天看啥」查看全文