开源大模型再迎“历史性时刻”，Meta发布Llama 3.1

7月23日晚，Meta正式推出了最新的开源大模型系列Llama 3.1，进一步缩小了开源模型与闭源模型之间的差距。Llama 3.1系列包括8B、70B和405B三个参数规模，其中Llama 3.1-405B参数的模型在多个基准测试中超越了OpenAI的GPT-4o，与Claude 3.5 Sonnet等领先的闭源模型相媲美。

模型规模与性能提升

这次发布的Llama 3.1模型大小大约820GB，包含有8B、70B和405B三种参数规模的模型。其中，8B和70B是对5月份发布模型的升级版本，将长文支持提升到了128K tokens。Llama 3.1在基准测试中展现了出色的性能，即使是70B的模型，也在多项测试中超越了GPT-4o。

Llama 3.1-405B版本的性能尤为出色。在MMLU Pro数学基准上，它以73.3%的成绩领先所有大模型。此外，在GPQA（研究生水平的专业知识和推理）、DROP（阅读理解）、MGSM（多语言数学）、HumanEval（编程）和BBH（知识评估）等多个基准测试中，405B版本的表现与GPT-4o不相上下，甚至在某些方面略胜一筹。

如基准测试所示，Meta Llama 3.1在GSM8K、Hellaswag、BoolQ、MMLU-humanities、MMLU-other、MMLU-stem和Winograd等多项测试中均优于GPT-4o。

但值得注意的是，HumanEval和MMLU-social sciences方面却落后于GPT-4o。可见，70B的参数量再往上扩展，收益已经不再显著。在大模型之家看来，未来，AI行业也许并不不需要15万亿这么多tokens来进行预训练，未来将是高质量合成数据和后期训练的世界。

累计3930万GPU小时的计算时间

Llama 3.1在多个方面都有显著提升：上下文长度增加到128K tokens，大幅提升了模型处理长文本的能力。这对于需要处理复杂文档和长篇对话的应用非常重要。支持8种语言的多语言输入输出，包括英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语，扩展了模型在国际化场景中的应用范围。预训练数据量达到15万亿tokens，确保了模型知识的时效性和广度。采用分组查询注意力（GQA）技术，提高了推理的可扩展性，增强了模型在处理复杂任务时的效率。

Meta的训练细节显示，模型在H100-80GB GPU上训练，累计使用了3930万GPU小时的计算时间。这不仅体现了Meta在硬件资源上的投入，也反映了团队在优化训练过程中的技术实力。值得注意的是，Meta强调自2020年以来一直保持净零温室气体排放，并且100%使用可再生能源。Meta的这一承诺不仅展示了企业的环保意识，也为AI行业树立了一个新的标准。

开源模型的“历史性时刻”

Meta创始人兼CEO扎克伯格在官网他表示，Llama 3.1将成为行业的一个转折点，越来越多的开发人员将转向使用开源模型，开源AI是未来的发展方向。英伟达高级研究科学家Jim Fan在X上发文祝贺Meta团队，称这是一个“具有历史意义的时刻”。

此外，马斯克也盛赞扎克伯格，认为他理应因开源得到赞誉，并表示Meta会成为开源大模型界的标杆。

尽管Llama 3.1表现出色，但这并不意味着它已经超越了GPT-4o。要知道，GPT-4o是在GPT-4的基础上经过两代优化（GPT-4 Turbo和GPT-4o）才达到当前的水平，其激活参数远小于405B的规模，是速度和性能的代表。

但不可否认的是，Meta的开源策略不仅为开发者和企业提供了一个强大的工具，也推动了AI研究和应用的普及。这可以让学术界深入研究非常深层次的Transformer在幻觉、推理和跨语言理解等场景下的工作机制。因为Llama 3.1作为一个稠密模型，比MoE在研究上更有普适意义，且可能是目前开源的最强模型，即使有更强的闭源模型，学术界也无法研究。

此外，Meta在模型卡中详细列出了安全考量，包括CBRNE（化学、生物、放射性、核和爆炸材料）有用性、儿童安全和网络攻击等方面的风险评估。这些安全考量体现了Meta对模型应用潜在风险的高度重视，确保模型在实际应用中不会引发不可控的问题。Meta强调，Llama 3.1并非设计为单独部署，而应作为整个AI系统的一部分，并配备额外的”安全护栏”。开发者在使用时需要特别注意工具使用和多语言输出的潜在风险，并进行充分的安全测试和微调。

Meta还更新了开源许可，允许开发者首次使用Llama模型（包括405B）的输出来改进其他模型。这为开发者提供了更大的灵活性，使他们能够在现有基础上进行创新和优化。Meta计划将图像、视频和语音功能整合到Llama 3中，使模型能够识别图像和视频，并通过语音进行交互。这一功能目前仍在开发中，但已经展示了未来应用的巨大潜力。Meta表示，截至目前，所有Llama版本的总下载量已超过3亿次。

“开源人工智能代表着世界最好的机会，”扎克伯格表示，利用这项技术可以创造最大的经济机会和安全保障。这一表态再次凸显了Meta在推动开源AI领域的坚定立场和长远目标。Meta认为，开源能够促进创新、降低成本、提高安全性。对开发者来说，利用开源可以训练、微调和蒸馏自己的模型，每个组织都有不同的需求，使用不同尺寸的模型来满足这些需求，并通过特定数据进行训练或微调。同时，开发者可以不被锁定在封闭供应商中，保护数据安全。“开源软件往往更安全，因为它的开发更加透明，可以被广泛审查。”扎克伯格认为。

大模型之家观点

随着Llama 3.1的正式发布，我们可能会看到更多基于它的创新应用和研究成果。Meta的这一突破性进展不仅在性能上接近或超越了闭源模型，更重要的是，它为开发者和研究人员提供了一个可以自由使用和定制的强大工具。这可能会加速AI应用的创新和普及，让更多人受益于先进的AI技术。

Llama 3.1的发布无疑是开源AI领域的一个里程碑事件。它不仅缩小了开源与闭源模型之间的差距，更为AI的民主化和创新带来了新的可能。Topology CEO Aidan McLau惊呼，如果测试结果属实，Llama 3.1将成为”世界上最好的模型”，而且”每个人都可调”。

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。

本文转自 https://blog.csdn.net/m0_59164304/article/details/140671913?spm=1001.2014.3001.5501，如有侵权，请联系删除。