对于专注于构建专业人工智能（AI）模型的开发人员来说，他们面临的长期挑战是获取高质量的训练数据。较小的专家模型（参数规模在10亿~100亿）通常利用“蒸馏技术”，需要利用较大模型的输出来增强其训练数据集，然而，使用来自OpenAI等闭源巨头的此类数据受到严格限制，因此大大限制了商业应用。

而就在北京时间7月23日（周二）晚间，全球AI领域的开发人员期待已久的开源大模型“ChatGPT时刻”终于到来——Meta发布最新AI模型Llama 3.1，其中参数规模最大的是Llama 3.1-405B版本。

扎克伯格将Llama 3.1称为“艺术的起点”，将对标OpenAI和谷歌公司的大模型。测试数据显示，Meta Llama 3.1-405B在GSM8K等多项AI基准测试中超越了当下最先进的闭源模型OpenAI GPT-4o。这意味着，开源模型首次击败目前最先进的闭源大模型。

而且，Llama 3.1-405B的推出意味着开发人员可以自由使用其“蒸馏”输出来训练小众模型，从而大大加快专业领域的创新和部署周期。

开源社区的“里程碑”：Llama 3.1-405B在多项测试中超越GPT-4o

2024年4月，Meta推出开源大型语言模型Llama 3。其中，Llama 3-8B和Llama 3-70B为同等规模的大模型树立了新的基准，然而，在短短三个月内，随着AI的功能迭代，其他大模型很快将其超越。

在你追我赶的竞争环境下，Meta最新发布了AI模型Llama 3.1，一共有三款，分别是Llama 3.1-8B、Llama 3.1-70B和Llama 3.1-405B。其中，前两个是4月发布的Llama 3-8B和Llama 3-70B模型的更新版本。而Llama 3.1-405B版本拥有4050亿个参数，是Meta迄今为止最大的开源模型之一。

而在发布当天的凌晨（北京时间），“美国贴吧”reddit的LocalLLaMA子论坛泄露了即将推出的三款模型的早期基准测试结果。

泄露的数据表明，Meta Llama 3.1-405B在几个关键的AI基准测试中超越了OpenAI的GPT-4o。这对开源AI社区来说是一个重要的里程碑：开源模型首次击败目前最先进的闭源大模型。

而Meta团队研究科学家Aston Zhang在X上发布的内容，也印证了被泄露的测试数据。

图片来源：X

具体来看，Meta Llama 3.1-405B 在IFEval、GSM8K、ARC Challenge和Nexus等多项测试中均优于GPT-4o。但是，它在多项MMLU测试和GPQA测试等方面却落后于 GPT-4o。另外，Llama 3.1的上下文窗口（context window）涵盖128000个标记，比以前的Llama模型更大，大约相当于一本50页书的长度。

图片来源：X

但需要指出的是，值得注意的是，这些基准反映的是Llama 3.1基本模型的性能。这些模型的真正潜力可以通过指令调整来实现，而指令调整过程可以显著提高这些模型的能力。即将推出的Llama 3.1模型的指令调整版本预计会产生更好的结果。

Llama 4已于6月开始训练

尽管OpenAI即将推出的 GPT-5预计将具备先进的推理能力，可能会挑战Llama 3.1在大模型领域的潜在领导地位，但Llama 3.1对标GPT-4o的强劲表现仍然彰显了开源AI开发的力量和潜力。

要知道，对于专注于构建专业AI模型的开发人员来说，他们面临的长期挑战是获取高质量的训练数据。较小的专家模型（参数规模在10亿~100亿）通常利用“蒸馏技术”，需要利用较大模型的输出来增强其训练数据集，然而，使用来自OpenAI等闭源巨头的此类数据受到严格限制，因此大大限制了商业应用。

而Llama 3.1-405B的推出意味着开发人员可以自由使用其“蒸馏”输出来训练小众模型，从而大大加快专业领域的创新和部署周期。预计高性能、经过微调的模型的开发将激增，这些模型既强大又符合开源道德规范。

宾夕法尼亚大学沃顿商学院副教授伊桑·莫利克（Ethan Mollick）写道：“如果这些数据属实，那么可以说顶级AI模型将在本周开始免费向所有人开放。全球各地都可以使用相同的AI功能。这会很有趣。”

Llama 3.1-405B的开源，也证明开源模型与闭源模型的差距再次缩小了。

图片来源：X

《每日经济新闻》记者还注意到，除了广受期待的Llama 3.1-405B外，外媒报道称，Llama 4已于6月开始训练，训练数据包括社交平台Facebook和Instagram用户的公开帖子。而在开始之前，Mate已经向数据隐私监管最严格的欧盟地区用户发送超过20亿条通知，提供了不同意把自己数据用于大模型训练的选项。

据悉，Llama 4将包含文本、图像、视频与音频模态，Meta计划将新模型应用在手机以及智能眼镜中。