Meta Llama 4被疑考试「作弊」：在竞技场刷高分，但实战中频频翻车

文章预览

机器之心报道 机器之心编辑部 Meta 翻车来得猝不及防。 上周六，Meta 发布了最新 AI 模型系列 ——Llama 4，并一口气出了三个款，分别是 Llama 4 Scout、Llama 4 Maverick 和 Llama 4 Behemoth。 据官方介绍，在大模型竞技场中，它们的排名相当不赖。 就拿 Llama 4 Maverick 来说，总排名第二，成为第四个突破 1400 分的大模型。其中开放模型排名第一，超越了 DeepSeek；在困难提示词、编程、数学、创意写作等任务中排名均为第一。 然而，不少网友体验后反馈，Llama 4 似乎是一个糟糕的编码模型。 @deedydas 发帖称，Llama 4 Scout（109B）和 Maverick（402B）在 Kscores 基准测试中表现不佳，不如 GPT-4o、Gemini Flash、Grok 3、DeepSeek V3 以及 Sonnet 3.5/7 等模型。而 Kscores 基准测试专注于编程任务，例如代码生成和代码补全。 比如小球在旋转六边形中跳跃的测试中，Llama 4 的表现并不理想。 ………………………………