4 月 8 日，作为大语言模型「权威榜单之一」的 Chatbot Arena（民间俗称「大模型竞技场」）发布了一则语气罕见严肃的声明。面对社群对于 Meta 新模型 Llama 4 排名的质疑，官方表示将公开 2000 多场真人对比测试的完整数据，并罕见点名 Meta：

这条声明不只是澄清，一定程度上也是对整个大模型行业的一记警钟。

Chatbot Arena 由加州大学伯克利分校发起，是当前大模型评测中可能最具行业影响力的「真人盲测」排行榜，核心的机制是通过让开发者和 AI 爱好者会在平台上用相同问题向两款模型提问，对比回答内容并投票打分。

而这种「真人盲测」的机制，让 Chatbot Arena 有别于其他任何基准测试，也成为了外界最为信赖的大模型排行榜。可以说，一款模型是否登上「Chatbot Arena 排行榜」前列，在一定程度上直接影响其在媒体和开发者群体中的口碑与采纳率。

正因如此，当 Meta 在 4 月 5 日发布其最新一代开源大模型 Llama 4，随后快速冲上Chatbot Arena 排行榜第二，力压一众顶级大模型，仅次于 Google 前脚发布的 Gemini 2.5 Pro，自然也就引起了所有人的好奇和期待。

但很快，社区发现这一版本是未公开、定制化调优的「实验模型」，而并非 Meta 开源的正式版。于是，争议爆发：这算不算「刷榜」？Chatbot Arena 是否被利用为营销工具？Meta 为什么要这样操作？

更糟的是，在部分官方没有展示的专业基准测试中，Llama 4 表现也不尽如人意，几乎垫底。不少第一批尝试的用户也在 Reddit、X 等社交平台上发文表达了失望，有人就在发帖中提到 Llama 4 在编程能力上的不尽如人意，并指出：

这让人不禁疑惑，曾经被开源阵营寄予厚望、凭借 Llama 2 和 Llama 3 逐渐建立口碑的 Meta，为什么就在 Llama 4 翻了车？

时间回到 4 月 5 日，Meta 在官方博客上发布《The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation》一文，正式宣布 Llama 4 系列模型面向社区开源。

这一次，Meta 公开了最新一代模型的三个版本：Llama 4 Scout、Llama 4 Maverick、还在训练中的「教师模型」Llama 4 Behemoth，均首次采用了混合专家（MoE）架构。

其中最主流、最受关注的 Maverick 版本，是拥有 128 个「专家」的 170 亿活跃参数模型（总参数为 4000 亿），Meta 将其描述为「同类最佳的多模态模型」，强调其在多方面超过了 Gemini 2.0 与 GPT-4o，在编码和推理方面比 Deepseek 3.1 更有竞争力。

在社区层面，首批用户对 Llama 4 的表现并不买账。在多个测试中，尤其是在需要代码能力和严谨逻辑推理的场景中，Llama 4 的表现并没有兑现其超越 GPT、DeepSeek 的表现。包括在 Aider Chat 提供的 Polyglot 编程测试中，Maverick 版本的正确率仅为 16%，处于排行榜末尾。

不仅与其庞大的参数体量完全不符，甚至落后于规模更小的开源模型，比如 Google Gamma 。这种结果让不少开发者大感意外，也与官方宣传形成了强烈反差。

风评下滑之际，更严厉的质疑也接踵而至——Llama 4 是否使用了公开测试集进行训练？是否针对通用基准的 Chatbot Arena 针对性优化？这些质疑都在技术社区迅速传播、发酵，包括 Chatbot Arena 在声明中尽管并未使用「作弊」等字眼，但字里行间的语气已足够强硬和不满。

尤其是中文移民社区「一亩三分地」上，自称提交辞呈、要求从 Llama 4 技术报告中删除名字的「Meta 员工」发帖表示，随着 Deadline（截止日期）的逼近，Meta 最终选择了将各个基准测试的测试集混合在 Post-Training「后训练」（对应大模型的「预训练」阶段）之中。

不过 Meta 团队很快出面做了澄清，一位经手「后训练」的 Meta GenAI 成员实名（Licheng Yu）表示：

「这两天虚心聆听各方 feedback（比如 coding、creative writing 等缺陷必须改进）希望能在下一版有提升。但为了刷点而 overfit 测试集我们从来没有做过，实名 LichengYu，两个 oss model 的 post training 有经手我这边请告知哪条 prompt 是测试集选出来放进训练集的我给你磕一个+道歉！」

公开资料显示，Licheng Yu（虞立成）本科毕业于上海交通大学，2014 年获佐治亚理工学院和上海交通大学双硕士学位，2019 年获北卡罗来纳大学教堂山分校计算机科学博士学位，2023 年 6 月至今在 Meta 担任研究科学家经理，并参与了 Llama 3、Llama 4 项目。

同时，负责 Meta GenAI 的副总裁 Ahmad Al-Dahle 也在 X 平台明确表示，「Meta 没有在测试集上训练 Llama 4。」而针对 Llama-4-Maverick-03-26-Experimental，Meta 也在争议发生后选择了发布开源版本，以回应外界的批评。

但这些回应显然都没能回避掉一个问题：Llama 4 的真实能力。事实上，不管是 Licheng Yu，还是 Ahmad Al-Dahle，都在驳斥部分质疑的同时承认了 Llama 4 在性能存在的问题。

作为开源阵营中曾经「最有希望挑战 OpenAI」的旗手，Llama 4 原本承载着开发者与产业界的高度期待。但现在，它却在发布一周内从「高光」跌入「信任危机」，成为大模型竞赛中一次罕见的口碑「滑铁卢」。

如果只看表面，这次 Llama 4 的口碑翻车，似乎充满了戏剧张力——匿名离职员工爆料称，Meta 高层为了赶上内部设定的 Deadline，要求将各大测试集混入「后训练」，只为「一个能看的结果」。甚至还传言，负责 AI 的副总裁 Joelle Pineau 也因反对这一做法而离职。

不过从目前公开的信息来看，这些说法经不起推敲。关于使用测试集进行后训练一事，前文的回应其实已经基本澄清。而 Joelle Pineau 的离职发生在发布前两天，但她并不负责生成式 AI 团队，而是领导 Meta Fundamental AI Research（FAIR）研究部门，与 Llama 4 项目并无直接关联。

在辟除这些舆论杂音之后，真正的问题才浮出水面。追根究底，Llama 4 的问题，不在于造假，而在于开源大模型竞争加剧下的失速。

过去两年，Meta 凭借 Llama 2 和 Llama 3，逐步在开源模型市场上建立起「领先、可靠」的认知。然而到了 Llama 4，情况已经发生了巨大的变化，DeepSeek V3/R1 的发布扭转了开源与闭源模型的差距，并且大大加速了开源模型的发展速度。

尽管我们认为前文爆料很多经不起推敲，但有一点却是现实：Llama 4 确实有 Deadline。这一点从 Llama 4 Behemoth 还在训练中就得以窥见，而且在参数规模膨胀、架构复杂化（MoE）的同时，Llama 4 很可能没有留出足够的测试和改进时间，才导致发布后不稳定的性能表现。

此外，Meta 也没能控制住动作的变形。Llama-4-Maverick-03-26-Experimental 针对对话模式的优化本身无可厚非，但「首发」Chatbot Arena 的目的却是路人皆知。我们也不知道，这个特调版本又牺牲了哪些？

而从目前来看，Meta 的做法显然错了，经过能在发布之处获得更高的期待、更多的关注，但之后的实际表现不仅让人更加失望，也打破了用户对 Llama 系列「领先、可靠」的认知。

Meta 当然还有机会补救。只是，它首先必须正面面对 DeepSeek、Qwen、Gamma 等其他大模型已经崛起、甚至超越自己的现实，才能谈重整河山。

雷公自曝寻子川川成功10月后被拉黑

「活动」kumadaibiaotitest

5.06MB

版本V6.1.52

下载APK 高速下载

下载.欧美精品一区二区三区安装你想要的应用更方便更快捷发现更多

17%好评(67665人)

详细信息

软件大小: 60209.14959MB
最后更新: 2025/04/13 18:53:13
最新版本: V7.79112.4
文件格式: apk
应用分类:ios-Android 果冻传媒精品㊙️在线观看
使用语言: 中文
: 需要联网
系统要求: 6.76360以上

应用介绍

一，taylorswift为啥要叫霉霉，纹黑桃纹身的妻子小说
二，吕谦和黄蓉疯狂做爰，硕大玉茎承欢欲死欲仙
三，茜特拉莉裸体，勇士大人想怀上魔王的孩子
四，9禁91🍌🍌🍌🍌，泰国一级婬A片在线视频
五，大长腿白丝被c到爽小说，徐徐俊的视频丨vK
六，卡齐娜脚,《权力的游戏》裸露镜头，wwe史黛西牛奶比赛
七，一夜暴富的六大生肖
【联系我们】
客服热线：134-2881-646

加载更多

版本更新

V1.3.45

芙宁娜沙发上的玩具动漫

《女忍者忍法帖3 》

总裁在车上疯狂做爰

95783.51MB

103好评

12孩岁女露小奶头
红帽认证

双食记吴镇宇和江一燕的片段

92809.84MB

453017好评

陈玉滢阿德5部曲顺序
涩里番㊙️18禁p站ios

吸乳动漫🚫18涩涩动漫

13.86MB

313好评

胖子裸体露大丁
卡戴珊被啪❌21分钟视频

亲爱的设计师电视剧免费观看飞飞

53.11MB

279好评

爸爸叫我畲妈妈小新
c点高潮再揉一揉就尿了

12末发育娇小性色XXXX

71.23MB

706好评

成人做爰高潮片免费看APP
禁欲男神1v1h高辣H

央视微纪录片选题集中于

83.40MB

333好评

万能解码播放器
RetroXXXFreeTube

无翼乌无遮挡H肉挤奶无尽

23.39MB

103好评

六年级数学判断题100道
日本哺乳期水乳400部

高潮痉挛喷水在线91

50.48MB

927好评

艾玛沃特森连体泳衣照
小莹的性荡生活第二部

被卖到妓院被cao翻了H

83.83MB

562好评

原神夜兰裸体❌
胰岛素与血糖的关系是怎样的

琪琪原网站欧美在线

83.05MB

750好评

让老公感动哭的心里话
羞羞成人漫画网站入口

女警沉沦跪着吞吐服侍

79.83MB

8745好评

菠萝剧场官方正版下载
神秘入口5个路线

成人免费毛片❌❌❌播放

15.63MB

478好评

亚洲18禁色出水白浆
国产91❤️丝袜美女在线

妖神记奇优影院

65.46MB

744好评

footshop玩弄人妻玉足
秘书乖乖掀起裙子被打屁股

香蕉先生app色版❤网站免

54.23MB

758好评

两人世界高清视频免费观看在线
把🍌伸进男人的🍑的视频

无职转生BD版本

57.22MB

685好评

孤注一掷金晨吃鸡王传君
少妇翘臀出白浆

白裙仙子跪趴雪臀呻吟

24.35MB

351好评

印度电影三嫂免费观看
林志玲Aⅴ三级在线播放视频

好湿⋯好紧⋯太爽了公交车p站

13.54MB

314好评

把校花🌸吊起来揉搓双乳的作文
18大学生🈲免费看双男c真人

毛茸茸被主人扒开腿狂躁漫画

84.99MB

210好评

梅根福克斯有三级么
抹布莱欧斯利被爆炒车

欧美日韩公共浴室洗澡视频

45.71MB

738好评

ab搭子是啥意思
成人做爰A片免费看网站一鸣巴

微猫VM下载链接

10.24MB

180好评

鉴黄师18🈲动漫
肥胖女人做爰视频免费看

ai生成动画软件免费

44.17MB

366好评

初音未来疯狂❌自慰
男c女🔞黄㊙️❌动漫

涂山雅雅洗澡无删减版

91.37MB

203好评

张悦然大乔小乔txt
女人做爰高潮A片免费

❌❌❌❌18加看片吗

30.15MB

906好评

出包王女第三季ONE
国产做受❌❌❌高潮软件五人樱花

绝区零❌18禁本子免费

30.61MB

540好评

秀人妲己TOXIC精品视频
3377体育登录入口最新版下载

9.1成人免费看片

29.09MB

121好评

女学生打屁股和鞭打-XXX Sex
少爷撅着屁股挨c开腿H

洛天依二次元双肩包

70.80MB

459好评

明星艳照网站WWW
英文祝福短句越短越好 title="寄宿日记韩漫在线观看" class="0v5366j9r7414 app-list-img" src="https://t11.baidu.com/it/u=1040017057,165456434&fm=30&app=106&f=JPEG?w=312&h=208&s=15B07D95426079116A1494FD03009032"">

柠檬福利AV在线导航

玩弄熟睡小男生裸体动漫

详情
尔晴我劝你善良表情包 title="韩国打白嫩㊙️光屁屁网站" class="0v5366j9r7414 app-list-img" src="https://t10.baidu.com/it/u=3070224572,165461829&fm=30&app=106&f=JPEG?w=312&h=208&s=C6000AAC4838BAC8463F54AC0300A00B"">

♥禁漫♥羞羞♥漫入口天津

3d男男♂动漫啪啪网站

详情
校花在校长室被调教H title="好男人好资源在线视频观看影院" class="0v5366j9r7414 app-list-img" src="https://t12.baidu.com/it/u=1041590673,165100299&fm=30&app=106&f=JPEG?w=312&h=208&s=D7383EC642E1D8EA0A87937F0300C078"">

日韩老熟女毛片视频播放免费

松果推女郎自慰av

详情