4月5日，Meta公司发布了大型语言模型Llama的最新版本Llama 4 Scout与Llama 4 Maverick。
Meta在声明中表示，Llama 4是一个多模态AI系统，能够处理和整合文本、视频、图像、音频等多种数据类型，并能在不同格式之间实现内容转换。据介绍，Scout和Maverick是该公司首款采用混合专家架构(MoE)的模型，两者均以开源形式发布。此外，Meta还预告了Llama 4 Behemoth，称其为“全球最聪明的语言模型之一，将作为未来模型训练的教师模型”。
没想到，随后就被曝出模型训练测试集作弊，内部员工直接辞职，引发争议。
争议的导火索源于海外留学求职交流论坛“一亩三分地”的一篇帖子，发帖人自称是参与Llama 4训练的内部员工，并表示已因此辞职。
该员工透露，尽管团队反复努力训练，Llama 4的内部模型性能始终无法达到开源SOTA（State-of-the-Art，顶尖水平）基准，差距明显。为达成目标，公司领导层提出在训练后期将各种基准测试的“测试集”数据混入训练或微调数据中，以此在各项指标上达成目标，交出一份“好看”的成绩单。
这位内部员工@dliudliu表示，自己无法接受这种做法，甚至辞职信中明确要求不要在Llama 4技术报告中挂名。
就在Llama 4即将发布前几天，Meta AI研究主管Joelle Pineau在工作8年之后突然宣布离职。
知名科技媒体TechCrunch也发文质疑Llama 4的性能测试存在误导性。文章聚焦Llama 4（即Maverick）在著名的人类评估排行榜LM Arena上的表现，指出Maverick虽取得第二名的好成绩，但背后另有隐情。在一些实测中，号称千万上下文的召回率，上下文的实际表现，远低于预期。而Llama 4 Maverick 在 aider 多语言编码基准测试中得分为实测仅为 16%。
有人认为Llama 4的表现甚至和Llama 3.2一样没有任何进步，也无法完成写诗。其他用户在测试后也表达了同样的观点，Llama 4有点不符合预期。
几位AI研究人员在社交媒体上都“吐槽”认为，Meta提交给LM Arena进行测试评估的Maverick版本，和公开发布给开发者使用的版本可能并非同一个。
不过Meta表示，更强大的一款被命名为Llama 4 Behemoth的大模型仍在训练中。据称，Meta Platforms的CEO扎克伯格此前给全员下了死命令，4月底是Llama 4交付最后期限。
早在1月10日，有媒体称，据加利福尼亚联邦法院公开的庭审文件中，一些作家指控Meta Platforms在训练其Llama AI模型时，未经授权使用了盗版电子书和文章数据集LibGen，并通过点对点（P2P）方式下载了大量盗版书籍和文章，而且内部员工还爆料此事获得了扎克伯格的允许，目前案件在审理中。
今年年初，扎克伯格曾表示2025年计划投资多达650亿美元用于人工智能（AI）相关项目，包括建立新的巨型数据中心和加大AI团队的招聘，以巩固其在与OpenAI和谷歌竞争中的地位。
47847
26
47847
26
48158
46
18095
59
76276
17
65573
36
63128
4
86478
85
30367
78
63524
2
62738
4
31856
47
71272
50
83067
20
99712
97
54978
31
63720
90
94331
53
29063
54
68942
21
89181
94
23218
58
28745
52
81201
44
17391
69
29549
17480
70
89028
4
98746
88
79267
68
83517
81
27017
78
54410
77
62398
1
63428
58
63473
31
47199
19
84052
15
46245
22
19684
80
22271
49
94874
50
36152
35
45060
29
74946
99
90160
42
41857
2
66369
8
47534
52
61701
41
52980
33
50061
60
68054
69
93840
53
92885
11