小扎回應Llama 4對比DeepSeek：開源榜單有缺陷，等17B深度思考模型出來再比

今天小編分享的科學經驗：小扎回應Llama 4對比DeepSeek：開源榜單有缺陷，等17B深度思考模型出來再比，歡迎閲讀。

Meta 首屆 LlamaCon 開發者大會開幕，扎克伯格在期間接受采訪，回應大模型相關的一切。

包括 Llama4 在大模型競技場表現不佳的問題：

開源基準測試存在缺陷，常偏向特定不常見用例，與產品實際使用場景脱節，不能真實反映模型的優劣。

試圖為這類東西進行過多優化會誤入歧途。

對于我們團隊來説，搞一個衝到榜單頂部的 Llama 4 Maverick 版本相對容易，但是我們發布的版本根本沒有對此進行調優，排名靠後是正常的。

以及與 DeepSeek 的比較：

我們的推理模型還沒有出來，所以還沒有和 R1 相應的模型去對比。

與此同時，在 Meta 合作夥伴亞馬遜的網站代碼中，被扒出要即将推出的 Llama4 推理模型為 17B 參數的 llama4-reasoning-17b-instruct。

活動期間，有那麼點 Meta 不語，只是一味地抛出 Llama 系列 " 亮點 " 的意思了（doge）：

除即将推出超 2 萬億參數的 Llama 4 Behemoth 模型之外，代号 "Little Llama" 的 80 億參數小模型可能會在未來幾個月推出。

推出官方 Llama API 平台

推出一系列 AI 安全工具，包括檢測和防止提示注入、越獄等風險。

扎克伯格談 " 智能爆炸 "

扎克伯格認為随着軟體工程和 AI 研究的自動化推進，智能爆炸具備實現的可能性。從技術發展趨勢來看，AI 寫代碼能力不斷提升，預計未來 12-18 個月，大部分相關代碼将由 AI 完成。

這不僅意味着開發效率的大幅提高，還可能帶來代碼質量的提升，因為 AI 能夠基于大量的數據和先進的算法，生成更優化、更高效的代碼。

然而真正達到智能爆炸還面臨着諸多現實層面的制約。在物理基礎設施上，構建大規模計算集群復雜且耗時，從研發到穩定應用需要一定時間，同時還需要配套建設網絡設施，确保數據的高速傳輸；建設專門的數據中心場地，要經過嚴格的審批流程；解決能源供應問題，無論是采用傳統的燃氣輪機發電還是綠色能源，都涉及到復雜的供應鏈體系，這些環節都需要耗費大量的時間和資源。

在人機協同方面，人們對 AI 系統的适應和反饋同樣需要時間。AI 系統并非一經推出就能被用户熟練使用，而是需要一個相互學習的過程。用户在使用過程中逐漸掌握與 AI 互動的方式，AI 則通過分析用户的行為和反饋，不斷優化自身的功能和性能。

在 Meta 廣告團隊的自動化排序實驗中，盡管有大量的測試想法，但由于計算資源的限制，無法對所有假設進行充分測試；同時，為了保證測試結果的準确性和可靠性，需要大量的測試人力，這也在一定程度上限制了實驗的推進速度。

扎克伯格認為，人們已經開始與 AI 建立起多種類型的關系，如将 AI 作為治療師傾訴或朋友分享生活等，產品開發者應該尊重用户的選擇。

雖然現階段這類 AI 人際關系相關的產品在技術實現上還不夠成熟，比如虛拟治療師或朋友的形象往往只是簡單的圖片或粗糙的動畫，缺乏真實的互動感，但随着技術的不斷進步，為提升虛拟形象的真實感和互動性帶來了新的可能。

換句話説，AI 和元宇宙戰略在未來還有聯動效應。

在產品設計理念上，避免過度幹擾用户是關鍵原則。Meta 的 Orion 眼鏡設計目标不僅僅是集成各種先進的技術功能，更重要的是要成為一副好用的日常眼鏡。在不使用 AI 功能時，它要能像普通眼鏡一樣滿足用户的基本需求，如佩戴舒适、外觀美觀；當用户需要使用 AI 功能時，又能便捷地提供服務，如語音互動、信息展示等。

這種設計理念同樣适用于增強現實未來的產品設計，即讓物理世界和數字世界自然融合，在為用户提供豐富數字内容的同時，避免數字元素過度充斥用户的視野，造成視覺和心理上的負擔。