从支持1000万token上下文的Scout，到4000亿参数的Maverick，再到2万亿参数的Behemoth，Llama 4凭借MoE架构、多模态能力和超低成本推理，展现了强大的技术潜力。然而，实际体验中，它在文本处理和创造性任务中表现出色，但在专业知识和交互细节上仍有不足。

昨天（4月6日凌晨），Meta发布了Llama 4的消息，估计你也听说了。要是你想了解更多，可以去这两个网址看看：

• 官方介绍页面：https://ai.meta.com/meta-ai
• 官网地址：https://www.meta.ai

登录后，Chatbot的页面特别简单，一打开就能免费试用。左边有个小菜单，三个选项：对话框、收藏，还有Meta画画。

这次Meta推出了三个不同版本的Llama 4。

第一个叫Llama 4 Scout（侦察兵），它有170亿个活跃参数，就像它手上有170亿个小工具可以随时用。它还有16个专家模型帮忙，总参数量加起来有1090亿。

这个版本适合做轻量级的任务，比如：总结文档、处理代码库之类的推理任务。能支持1000万字的上下文。

第二个版本叫Llama 4 Maverick，有点像“特立独行”的意思；它同样有170亿参数，但专家模型增加到了128个，总参数量达到4000亿；场景适合多模态，像文档、图标、PDF等。

目前我看到介绍，它在很多基础测试里表现特别好，超过了GPT-4o和Gemini 2.0 Flash，在推理和编码任务上和DeepSeek v3差不多厉害。

最厉害的是第三个版本，叫Llama 4 Behemoth（巨兽）。官方说，它的总参数接近2万亿，活跃参数有2880亿。不过，这个版本还没正式发布，它主要是当“老师”，用自己的知识教Scout和Maverick。

很多人可能不太明白“活跃参数”是什么。我打个比方：

一个超级大厨（模型）有很多很多工具和技巧（总参数量），但做饭的时候，他只会用到其中一部分（活跃参数）。

活跃参数越多，厨师能用的工具和技巧就越多，做出来的菜（也就是任务效果）可能就越好吃（厉害）。

面对这三个版本，说实话，我都觉得太厉害，完全无法想象它的强大。尤其是2万亿参数的版本，似乎吞掉了整个世界的知识，消化掉了人类文明的精髓。

既然这样，问题来了：

吹的这么大，到底该如何评价它的性能呢？是遥遥领先，还是一骑绝尘？说实话，我都已经没有概念了。

不过，我直接问Llama 4：针对一个这么大的模型，该问什么问题，才能感受到它的厉害呢？

它告诉我，可以试试多步骤推理、自然语言理解问题、创造性写作、多语言翻译，或者对某个领域的知识进行解析；从这些角度提问，能更好地感受到Llama 4的强大之处。

索性从多步骤推理开始。我问的第一个问题：

假设你有100元，想用这些钱买一种商品。这种商品每件3元，但商家有个优惠活动：如果你一次性买超过10件，每件可以便宜1元。那我最多能买多少件呢？请快速推理并给出答案。

它不到2秒就给出了答案。我用Kimi、DeepSeek、Qwen分别测试了这个问题，结果也都差不多。毫无疑问，这种问题对模型来说太简单了，简直小菜一碟。

那怎么办呢？

我向Qwen咨询了一个问题，我对Qwen2.5-Max说：请给我一个超难的问题，来测试Llama 4的多步骤推理，越难越好。

经过一番思考，Qwen给出了一道题目，并解释说，这道题的关键在于“短小精悍”，同时要覆盖多语言翻译、事实核查和语义分析这三项能力。

它还提到，这道题符合知识库中的评测维度，比如翻译技巧和幻觉检测。问题是这样的：请阅读以下句子，并完成以下任务： 一，将句子翻译成法语，保留原意； 二，指出句子中可能被夸大的部分，并解释原因。

句子如下：

尽管人工智能在医疗、金融等领域被称为革命性力量，但其通过节能算法缓解气候变化的效果仍存在争议。

结果来看，Kimi回答比Llama 4更详细。Kimi指出两个可能被夸大的地方：一是“革命性力量”，二是“仍存在争议”。而Llama 4只指出了其中一个。

图示：左KIMI，右Llama 4

接下来，我体验了一个自然语言理解的难题。Qwen说，这个问题看起来很简单，其实里面藏着很深的难度。

它不仅要识别“相关性≠因果性”的谬误，还要补充隐含条件，考验逻辑重构能力。我把任务交给Llama 4：请分析以下中文句子的逻辑漏洞，并用英语改写句子，让它更严谨。

句子是：

“所有成功企业家都早起，因此如果你想创业成功，必须每天五点起床。”

对比Kimi和Llama 4的答案，我认为Llama 4的回答更简洁，但Kimi的表达更详细、更清晰。

然后，我研究了一道“领域知识”。问题是：设计一个基于AI的商品智能推荐系统的测试方案。

我让Llama 4先分析问题，再给出答案。它说，主要存在三个测试难点。不过，它给的答案和Kimi给的答案我都不太满意，主要问题是：

答案太宏观、太理论化，虽然也有举例，但都没具体说清楚“到底该怎么做”。可能因为我之前提出的问题不够详细。

这也给我一个提醒：虽然网上有海量公开资料，但遇到行业知识或者具体问题时，AI在个人经验方面还是差了点火候。

最后，我试了试创造性写作，感觉特别有意思。

题目是写一个微小说，里面要包含“钥匙”“雨夜”“陌生人”这三个元素，还得分析用到的文学技巧。

Llama 4给出了好几个版本，创造力和理解力都很强。相比之下，Kimi只写了一个版本，感觉Llama 4在处理复杂任务时更有优势，能给出更多元化的回答。

我觉得，以后可以用这个功能写更多好玩的段子，确实是一件很有趣的事情。

我还试了它的文生图能力。

随便说了一句“帮我换轮胎”，它居然生成了四张不同的图，每张都不一样。其中第四张看起来像在森林里换轮胎，感觉挺真实的。

我可以点进去继续修改，只要告诉它我的想法就行。上传照片换背景图，也可以。不过，修改效果不太理想，不如ChatGPT 4o。

经过这一系列体验，所以，我得出什么结论呢？

Llama 4的文本处理能力很强。会理解上下文的意思，回答问题时，能给出很准确、很贴切的答案。特别是碰到复杂的问题，或者要仔细琢磨的任务，它表现得特别好。

比如，我让它帮我做一个测试，根据一段文本理解人类的情感，把这种情感用到别的地方，它都能搞定。

语言生成能力也很棒，写出来的文本很流畅、很自然。有时，它还能模仿某种特定的写作风格或者语气；还有一个优点，多轮对话能力很强。不管后面给它什么内容，前面的内容它都不会忘。

不过，也有不足的地方。

在一些专业知识上，还不够深入、不够具体。但有个好处，它能带着我一起完成任务；我有个问题自己解决不了，交给它，它就能分步骤带着我一起做，最后把任务完成。

在交互方面，它也很厉害。

从普通的文字聊天，到生成图片，再到上传文件让它帮忙修改，这些都能在一个聊天框里搞定。甚至还能基于图片制作动画，功能很全面。不过，它没有语音功能，也不能联网搜索，这有点不太方便。

但是，虽然它能进行多种交互，但有时候也会出错。

我给它一个PDF文件，让它把里面的内容提取出来做成表格，结果它却生成了一个图标。这种理解上的偏差还挺让人头疼的。

可能它在开源市场更有潜力吧，感兴趣，可以试试。