从高光到塌房，Meta Llama 4 遭遇惊魂72小时

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。 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。 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。