解读下 llama-4 三个模型的官方测试数据，几个点：

LiveCodeBench 评测 Llama-4-Maverick-17B-128E （402B）写代码是打不过 DeepSeek-V3-0324的，那么 Llama-4-Scout-17B-16E （109B）就更别提了。

四个多模态测试（Image Reasoning MMLU, MathVista, Image understanding ChartQA, DocVQA）Llama-4-Scout-17B-16E （109B）和 Llama-4-Maverick-17B-128E （402B）是优于 GPT-4o 的。那么 llama-4 应该是开源的最好多模态大模型。

超长文本翻译测试（MTOB）目前没对手，因为对比的几个大部分不支持1M-10M这么大上下文，支持的在大上下文情况下不好。这意味着指令遵循和召回比较不错。

所以 llama-4 的建议场景是超长翻译，以及多模态任务（注意只支持图像输入，不支持图像输出）

2
1
  • William7004
    21 days ago

    长上下文通常用于输入较长的参考资料，用于翻译的话输出长度不够。长上下文，成本更低以及同时在文本和多模态任务有较好表现都是优势。后者此前基本只有闭源模型达到。