相信今天大家翘首企盼的都是同一个主角，Meta藏到现在的王牌、最被社区看好能直接叫板GPT-4o的新一代开源大模型—Llama 3.1系列，终于正式发布了。
鉴于4月公开的两个Llama 3小参数模型8B和70B表现不俗，令开发者们对*参数版本的强悍性能充满期待。
昨天凌晨，部分“关键情报“更是在Reddit和Hugging Face上遭到泄露，爆料者称它已匹敌GPT-4o和Claude 3.5 Sonnet。今天看来这所言非虚：
开源大模型首次击败了闭源最强SOTA模型。
此次Llama 3.1共发布8B、70B 和 405B三个尺寸。能力全面提升，原生支持8种语言，最长上下文窗口128k。
其中超大杯 405B 包含 4050 亿个参数，是*“前沿级别开源AI模型”，也是近年来规模*LLM之一。
在通用常识、可引导性、数学、工具使用和多语言翻译等广泛任务中足以对标GPT-4、Claude 3.5 Sonnet等*闭源模型。
Llama 3.1 8B和70B也在老版本基础上进行了推理能力和安全性升级，除多语言和上下文扩展外，还支持更多诸如长文本总结、多语言对话代理和编程助手等高级用例。
#01
全系列主要亮点包括：
模型架构：延续Llama 3的标准解码器 transformer 架构，以*化训练稳定性。
巨量数据：405B在15万亿token（相当于7500亿个单词）上训练，结合2500万合成数据微调。包含了更多的非英语资料、 “数学数据”和代码、以及最近的网络数据。
指令微调：后训练中每一轮都使用监督微调和直接偏好优化来迭代，并通过多轮对齐来改进模型的指令跟随能力和安全性，生成最终的聊天模型。
GPU规模：使用超过 1.6 万个 H100 GPU，训练时长高达惊人的3930万GPU小时。
预训练知识库：更新至2023年12月。
多语言支持：涵盖英语、法语、德语、印地语、意大利语、葡萄牙语、西班牙语和泰语共8种语言。
此外，与Anthropic和OpenAI的竞争模型一样，所有Llama 3.1模型都可以使用第三方工具、应用程序和API来完成任务。支持零样本条件下的工具调用和操作，显著提升任务处理的灵活性和效率。
Meta AI团队在同步发表的《The Llama 3 Herd of Models》论文里对比了Llama 3框架下所有模型目前的能力。（共92页，下载地址：https://shorturl.at/BjSVj）
还有一个额外福利：为了鼓励合成数据的使用，Meta更新了更宽松的许可证，允许开发者使用Llama 3.1模型的高质量输出来改进和开发第三方AI生成模型。
在各API服务平台的定价如下。扎克伯格表示，Llama 3.1是一套高效且价格实惠的模型，“开发者可以在他们自己的基础设施上运行405B 的推理，成本大约是GPT-4o 这种封闭模型的50%，适用于用户界面和离线任务。”
并且Llama模型的权重可以下载，开发者可以根据自己的需求完全自定义应用，而无需与Meta共享数据。
#02
405B 开源最强、多项打败GPT-4o
8B/70B领跑中小模型
Meta称他们在超过150个基准数据集上进行了性能评估，涵盖多种语言。并进行了广泛的人类评估，将Llama 3.1与竞争模型拿到现实场景中进行比较。
实验结果表明，Llama 3.1 405B在各项任务中完全可与*进闭源模型竞争，包括GPT-4、GPT-4o和Claude 3.5 Sonnet。
在GSM8K数学、IFEval指令遵循、多语言处理、长上下文、ARC推理、Nexus工具调用等多项测试上当仁不让，生猛夺冠。此外8B和70B在与同级别小参数模型对战中也表现优异。
具体战绩如下表所示：
通用任务基准上，Llama 3 405B 在多语言评估MGSM和指令遵循测试IFEval中均位列*。MMLU微微落后GPT-4o 0.1%，优于Claude 3.5 Sonnet。另一方面，Llama 3.1 的70B 和8B 模型在三个任务中均表现出色，在竞争对手中遥遥*。
Llama 3.1 405B具有非常突出的数学能力。在GSM8K任务中表现*，得分96.8，高于GPT-4o的96.1和Claude 3.5 Sonnet的96.4。MATH任务成绩仅次于GPT-4o。
推理方面，在ARC 挑战任务中，Llama 3.1 405B再次力克两个闭源强大对手夺冠。GPQA评估上略逊于后两者，但仍优于市面上其它模型。
来到长上下文，Llama 3.1 405B在零样本基准质量ZeroSCROLLS和无限基准小说多选问答InfiniteBench/En.MC上又登榜首。多针检索Multi-needle不敌GPT-4o，但远高出Claude 3.5 Sonnet。
最后是代码生成能力。在评估Python生成的HumanEval和其它编程语言的MBPP EvalPlus测试中，8B和70B继续大幅*同级别模型，但大参数模型上表现*的还是Claude 3.5 Sonnet。
从上述关键基准测试结果来看，Llama 3.1 405B的综合实力已与业界最新、最强、最高不可攀的标杆模型GPT-4o们旗鼓相当，甚至实现多项超越。
不仅成为当前开源领域的*，更是首次将开源与闭源世界SOTA模型之间的差距缩小至零，亲手打破了OpenAI和Anthropic长期以来的神秘滤镜。
扎克伯格将Llama 3.1誉为“艺术的起点”，并自信地表示：“从明年开始，未来的Llama模型将成为行业内*进的。但即便在那之前，Llama在开放性、可定制性和成本效益方面已然处于*地位。”
#03
开源来势凶猛，大模型格局将变
对于广大科研人员和技术开发者们来说，这无疑是一个里程碑式的时刻。
EverArt AI创始人Pietro Schirano感叹道，“随着 Llama 3.1 405B 的推出，我们现在有了一款在部分基准测试上超过现有*闭源模型的开源选择——真是一个了不起的时代。”
英伟达高级研究科学家Jim Fan说，“GPT-4的力量现在被掌握在了我们手中。一个真正的历史时刻！”
刚宣布AI教育创业的技术大神Andrej Karpathy在X发表长文，欣喜地表示生成式AI领域终于“首次有了一个尖端能力的LLM 可供所有人使用和构建。”并且这个模型开放权重、许可宽松，可商业使用、合成数据生成、蒸馏和微调。
“我喜欢说现在还处于非常早期的阶段，就像我们回到了20 世纪80 年代的计算机时代，LLMs 是下一个主要的计算范式，Meta 显然正定位于成为开放生态系统的*。”
Karpathy认为Llama 3.1将激发开源社区的巨大潜力：
开发者将利用RAG技术优化模型，进行微调，并将其蒸馏成针对特定任务的小型专家模型。研究人员将深入研究、测试和改进模型。整个开放生态系统也将以模块化方式自组织，形成各种产品、应用和服务，让每个参与者都能发挥所长。
比如AI芯片独角兽Groq，他们开发了一种能快速推理LLM的新型芯片，已经集成了Llama 3.1模型。不仅能以语音对话模式即时推理Llama 3.1 8B，而且其上运行的405B可能是目前性能最强、速度最快的LLM。
而这样的惊艳例子只会越来越多，使得开源阵营的体量和竞争力与日俱增，最终或许使得闭源优势不再。
不过Karpathy也在推文中打趣地说，“预计闭源模型的玩家很快就会追赶，我期待着这一点。”
马斯克称赞了扎克伯格为开源社区做出的贡献。用户@7etsuo说，“我甚至不确定闭源在这一点上打算怎么竞争。他们应该也向整个行业开放。让每个人都致力于AGI目标，从而带来一些重大突破。”
在当天早上发布的一封公开信中，扎克伯格描绘了一个未来的愿景，即AI工具和模型能够到达世界各地更多的开发者手中，确保人们能平等享受到AI的“好处和机会”。
现在，Llama 3.1系列已经与AWS, 英伟达, Databricks, 戴尔, 微软Azure和谷歌云等25家公司成为生态合作伙伴。而截至目前，Llama模型已经被下载超过3亿次，创建了超过2万个Llama派生模型。
如今Llama 3.1的横空出世，让开源模型在能力上正式向闭源巨头宣战。我们可以预见到的是，AI技术和成本的准入门槛将大幅降低，少数公司的垄断局面被打破，全球AI研究与应用进程加速，技术创新向多样化发展。
而且据扎克伯格透露，Meta已经在研发更强大的Llama 4了！
a16z合伙人Anjney Midha就放话说，与Llama 4相比，“Llama 3.1 is nothing”。
随着开源模型不断进步，AI技术民主化或许已是大势所趋。
到底AGI被谁先实现？
现在看来，答案真不一定是OpenAI。
