Meta Llama 4 發布：原生多模態開放權重模型改變 AI 格局

Meta 於 2025 年 4 月發布了備受期待的 Llama 4 系列模型，這是該公司首次推出原生多模態、採用混合專家（Mixture of Experts, MoE）架構的大語言模型。這一系列包括三款不同規模的模型：Scout、Maverick 和 Behemoth，分別針對不同的使用場景和運算資源進行優化。

Llama 4 模型家族概覽

突破性的架構創新

混合專家（MoE）架構

Llama 4 首次在 Llama 系列中採用 MoE 架構。這種設計允許模型擁有大量的總參數，但在每次推理時只激活其中一小部分，從而在保持高性能的同時大幅降低運算成本。

以 Llama 4 Scout 為例，雖然總參數量達到 1,090 億，但每次推理只使用 170 億活躍參數。這意味著該模型可以在單張 NVIDIA H100 GPU 上運行，大大降低了部署門檻。

原生多模態設計

與之前通過後期融合添加視覺能力的方法不同，Llama 4 從一開始就以多模態方式設計。模型採用「早期融合」技術，在預訓練階段就同時處理大量的文本和視覺 token。

「這是 Llama 系列在智能水平上的重大躍升——不再是將獨立的、凍結的多模態權重拼接在一起，而是真正整合的多模態理解。」

業界領先的上下文窗口

Llama 4 Scout 提供高達 1000 萬 token 的上下文窗口，這是目前業界最長的之一。這種超長上下文能力對於需要處理大量文檔、長篇程式碼或複雜對話的應用場景尤為重要。

基準測試表現

根據 Meta 發布的數據，Llama 4 系列在多項基準測試中表現優異：

開源爭議：「開放權重」vs「開源」

儘管 Meta 繼續強調其對「開源」的承諾，但開源社群對此提出了質疑。開源倡議組織（OSI）指出，Llama 4 並不符合真正的開源定義。

主要爭議點包括：

• 地理限制：根據 Llama 4 使用條款，歐盟地區的用戶被排除在許可證之外
• 商業限制：對於大規模商業使用仍有一定限制
• 訓練數據：模型的訓練數據並未公開

Meta 在 Llama 4 的官方文檔中，已經將模型描述為「開放權重」而非「開源」，顯示公司在用語上有所調整。然而，這種區別對於許多用戶來說可能並不明顯。

代理能力：不只是回答問題

Llama 4 的設計不僅僅是為了回答問題。根據 Meta 的願景，這些模型將能夠：

• 規劃和執行複雜任務
• 理解長期上下文
• 自主採取行動
• 瀏覽網頁和執行程式碼
• 使用 API 和與其他系統互動

這標誌著 Llama 系列從純粹的語言模型向 AI 代理平台的轉變。

獲取方式

Llama 4 Scout 和 Llama 4 Maverick 模型現已可以在 Hugging Face 上下載。開發者可以根據 Llama 4 社群許可協議使用這些模型，但需要注意地理和商業使用限制。

對於不想自行部署的用戶，Meta 也通過其 AI 平台提供雲端 API 訪問。

對香港開發者的意義

Llama 4 的發布為香港開發者提供了重要機會。由於這些模型可以免費下載和使用，本地企業和研究機構可以在不支付高昂 API 費用的情況下，開發自己的 AI 應用。

特別值得注意的是，Llama 4 Scout 可以在單張 H100 上運行的特性，使得中小型企業也能負擔得起部署這些先進模型的成本。這為香港的 AI 生態系統帶來了新的可能性。

然而，開發者需要注意許可證的限制條款，特別是如果計劃將應用推向國際市場，需要仔細評估法律風險。