小扎回应Llama 4对比DeepSeek：开源榜单有缺陷，等17B深度思考模型出来再比

今天小编分享的科学经验：小扎回应Llama 4对比DeepSeek：开源榜单有缺陷，等17B深度思考模型出来再比，欢迎阅读。

Meta 首届 LlamaCon 开发者大会开幕，扎克伯格在期间接受采访，回应大模型相关的一切。

包括 Llama4 在大模型竞技场表现不佳的问题：

开源基准测试存在缺陷，常偏向特定不常见用例，与产品实际使用场景脱节，不能真实反映模型的优劣。

试图为这类东西进行过多优化会误入歧途。

对于我们团队来说，搞一个冲到榜单顶部的 Llama 4 Maverick 版本相对容易，但是我们发布的版本根本没有对此进行调优，排名靠后是正常的。

以及与 DeepSeek 的比较：

我们的推理模型还没有出来，所以还没有和 R1 相应的模型去对比。

与此同时，在 Meta 合作伙伴亚马逊的网站代码中，被扒出要即将推出的 Llama4 推理模型为 17B 参数的 llama4-reasoning-17b-instruct。

活动期间，有那么点 Meta 不语，只是一味地抛出 Llama 系列 " 亮点 " 的意思了（doge）：

除即将推出超 2 万亿参数的 Llama 4 Behemoth 模型之外，代号 "Little Llama" 的 80 亿参数小模型可能会在未来几个月推出。

推出官方 Llama API 平台

推出一系列 AI 安全工具，包括检测和防止提示注入、越狱等风险。

扎克伯格谈 " 智能爆炸 "

扎克伯格认为随着軟體工程和 AI 研究的自动化推进，智能爆炸具备实现的可能性。从技术发展趋势来看，AI 写代码能力不断提升，预计未来 12-18 个月，大部分相关代码将由 AI 完成。

这不仅意味着开发效率的大幅提高，还可能带来代码质量的提升，因为 AI 能够基于大量的数据和先进的算法，生成更优化、更高效的代码。

然而真正达到智能爆炸还面临着诸多现实层面的制约。在物理基础设施上，构建大规模计算集群复杂且耗时，从研发到稳定应用需要一定时间，同时还需要配套建设网络设施，确保数据的高速传输；建设专门的数据中心场地，要经过严格的审批流程；解决能源供应问题，无论是采用传统的燃气轮机发电还是绿色能源，都涉及到复杂的供应链体系，这些环节都需要耗费大量的时间和资源。

在人机协同方面，人们对 AI 系统的适应和反馈同样需要时间。AI 系统并非一经推出就能被用户熟练使用，而是需要一个相互学习的过程。用户在使用过程中逐渐掌握与 AI 互動的方式，AI 则通过分析用户的行为和反馈，不断优化自身的功能和性能。

在 Meta 广告团队的自动化排序实验中，尽管有大量的测试想法，但由于计算资源的限制，无法对所有假设进行充分测试；同时，为了保证测试结果的准确性和可靠性，需要大量的测试人力，这也在一定程度上限制了实验的推进速度。

扎克伯格认为，人们已经开始与 AI 建立起多种类型的关系，如将 AI 作为治疗师倾诉或朋友分享生活等，产品开发者应该尊重用户的选择。

虽然现阶段这类 AI 人际关系相关的产品在技术实现上还不够成熟，比如虚拟治疗师或朋友的形象往往只是简单的图片或粗糙的动画，缺乏真实的互動感，但随着技术的不断进步，为提升虚拟形象的真实感和互動性带来了新的可能。

换句话说，AI 和元宇宙战略在未来还有联动效应。

在产品设计理念上，避免过度干扰用户是关键原则。Meta 的 Orion 眼镜设计目标不仅仅是集成各种先进的技术功能，更重要的是要成为一副好用的日常眼镜。在不使用 AI 功能时，它要能像普通眼镜一样满足用户的基本需求，如佩戴舒适、外观美观；当用户需要使用 AI 功能时，又能便捷地提供服务，如语音互動、信息展示等。

这种设计理念同样适用于增强现实未来的产品设计，即让物理世界和数字世界自然融合，在为用户提供丰富数字内容的同时，避免数字元素过度充斥用户的视野，造成视觉和心理上的负担。