Meta发布开源AI模型Llama 31，训练期间使用16万个英伟达H100 GPU

【新奥彩4949开】

【2024澳门六开彩开奖结果查询表】

【2024年澳门最新资料】

【新奥门2024年资料大全官家婆】

【新澳好彩免费资料查询2024期开奖】

【澳彩天天开奖大全】

【澳门金牛版正版资料大全免费】

【2024管家婆澳门开奖结果】

【2024澳门六开彩免费公开】

【澳门六肖】

【新澳天天开奖资料大全最新开奖】

【2024年新澳门天天开彩大全】

【2024新澳彩免费资料琴棋书画】

【澳门传真资料每天更新】

【2024澳门精准免费大全】

【2024澳门天天彩】

【2024澳门特马今晚开奖07期】

【2024年开码结果澳门开奖结果查询】

当地时间 7 月 23 号，Meta 公司发布了迄今为止最强大的开源 AI 模型 Llama 3.1。该模型不仅规模庞大，性能也堪比最强大的闭源模型。这称得上是开源 AI 领域的一个重要里程碑。

Llama 3.1 模型家族总共有三个版本，规模最大的旗舰版本拥有 405B（4050 亿）参数，是近年来最大的开源 AI 模型。其余两个较小版本的参数量分别是 700 亿和 80 亿。

Meta 声称，Llama 3.1 405B 模型在多项基准测试中的表现超过了 OpenAI 的 GPT-4o 和 Anthropic 的 Claude 3.5 Sonnet。

“到目前为止，开源大型语言模型在功能和性能方面大多落后于闭源模型。现在，我们正迎来一个由开源引领的新时代。”

Meta 在官方博客中写道，“迄今为止，所有 Llama 版本的总下载量已超过 3 亿次，而这仅仅是个开始。”

模型评估

据介绍，Llama 3.1 系列模型展现了多方面的能力提升，在常识、可操纵性、数学、工具使用和多语言翻译等功能方面可与顶级 AI 模型相媲美。

Meta 对 Llama 3.1 进行了全面的评估，包括超过 150 个基准数据集的测试，涵盖多种语言和任务类型。

此外，该模型还经过了广泛的人工评估，与竞争模型在真实应用场景中进行比较。

总体而言，Llama 3.1 405B 模型在推理、数学等多项任务中的表现与 GPT-4、GPT-4o 和 Claude 3.5 Sonnet 相当，在长文本、多语言等领域甚至更胜一筹。

不过在代码基准测试中，Llama 3.1 405B 模型的表现不如 Claude 3.5 Sonnet。

此外，在小型模型性能对比中，Llama 3.1 的 8B 和 70B 模型均表现出色，与同等规模的闭源和开源模型相比具有很强的竞争力，在几乎所有测试中都打败了对手。

模型能力与应用

Meta 表示，Llama 3.1 系列模型的上下文窗口达到了 128K，相当于一本 50 页的书，并且提供英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语等多语言支持，大大提升了长文本和多语种内容的处理能力。

Meta 生成式人工智能副总裁艾哈迈德·达尔（Ahmad Al-Dahle）表示，Llama 3.1 模型能够集成搜索引擎应用程序编程接口（API，Application Programming Interface），根据复杂查询从互联网检索信息，并调用多个工具完成任务。例如，它可以生成并执行 Python 代码来绘制图表。

不过，Llama 3.1 目前还不是多模态模型，仅支持文本输入。但 Meta 表示，正在开发能识别图像、视频，并理解（和生成）语音的 Llama 模型。

在应用方面，与之前的 Llama 模型一样，Llama 3.1 405B 可在亚马逊 AWS、微软 Azure 和谷歌 Cloud 等云平台上下载或使用。它还会与 Meta 的产品结合，为用户提供聊天机器人和信息查询等服务。

该模型目前已经用在 Meta.ai 和 Meta AI 虚拟助手上。从本周开始，Llama 3.1 将首先登陆 WhatsApp 和美国的 Meta.ai 网站，随后几周将上线 Instagram 和 Facebook。

虽然最先进的 Llama 3.1 405B 模型可以在 Meta.ai 上免费使用，但每周提示数量有限（上限不详），超过限制则会切换到更小的 70B 模型。这似乎表明 405B 模型对于 Meta 来说还是太昂贵了，无法全面运行。

模型规模与训练

Llama 3.1 405B 模型的训练规模令人惊叹。

Meta 使用了超过 1.6 万个英伟达 H100 GPU，在超过 15 万亿个 tokens（的数据集）上进行训练，相当于 7500 亿个单词。

尽管 Meta 没有透露具体的开发成本，但仅根据其使用的英伟达芯片价格估算，成本就已高达数亿美元。

Meta 对其整个训练堆栈进行了重大优化，以达到如此大规模的训练目标。

在模型架构方面，他们选择了标准的仅解码器 transformer 模型，而非混合专家模型，以最大化训练稳定性。

训练数据方面，Meta 通过改进处理和数据筛选流程，提高了训练数据的质量。

此外，他们还选取了迭代式的后训练程序，“每轮都使用监督微调和直接偏好优化，用高质量的合成数据不断提升模型性能”。

开源策略与生态系统

尽管开发成本高昂，Meta 仍坚持开源 Llama 模型。

Meta 的 CEO 马克·扎克伯格（Mark Zuckerberg）在公开信中表示，相比专有模型，开源 AI 模型终将超越它们，并且已经在以更快的速度改进，最终和 Linux 一样，成为支持大多数手机、服务器和设备的开源操作系统。

他预测，“Llama 3.1 的发布将成为行业的一个转折点，未来大多数开发者更青睐于使用开源模型。”

为了推广 Llama 3.1，Meta 正与包括微软、亚马逊、谷歌、英伟达和 Databricks 在内的 20 多家公司合作，帮助开发者部署自己的模型。

Meta 声称，Llama 3.1 在生产环境中的运行成本仅为 OpenAI 的 GPT-4o 的一半左右。

与此同时，Meta 更新了 Llama 的许可条款，让开发者可以通过 Llama 3.1 模型的输出，来开发第三方 AI 模型。

这一变化解决了 AI 社区对 Meta 模型的一个主要批评，是公司积极争取 AI 领域话语权的一部分。

此外，为了确保模型的安全性和道德性，Meta 首次在 Llama 3.1 的“红队测试”（对抗性测试）中包括了潜在的网络安全和生物化学用例。

他们还公开了一个完整的参考系统，其中包括多个示例应用程序和新组件，如多语言安全模型 Llama Guard 3 和提示注入过滤器 Prompt Guard。

然而，关于训练数据的问题仍然存在争议。Meta 拒绝透露具体的数据来源，只表示使用了合成数据来改进模型。

总而言之，Llama 3.1 系列模型的发布，象征着开源 AI 模型在性能上第一次和顶级闭源模型相匹敌。这可能会对 AI 行业产生深远影响，推动更多创新和应用。

参考资料：

https://ai.meta.com/blog/meta-llama-3-1/

https://about.fb.com/news/2024/07/open-source-ai-is-the-path-forward/

https://www.theverge.com/2024/7/23/24204055/meta-ai-llama-3-1-open-source-assistant-openai-chatgpt

https://techcrunch.com/2024/07/23/meta-releases-its-biggest-open-ai-model-yet/

运营/排版：何晨龙

【2024澳门天天开好彩大全免费】 【新澳天天开奖资料大全最新】

【2024年天天开好彩资料】 【新澳天天开奖资料大全最新54期】

【2024澳门天天开好彩大全53期】 【澳门天天开彩期期精准】

【2024全年资料免费大全】 【新澳天天开奖资料大全】

【澳门内部最精准免费资料】 【2024澳门天天开好彩大全】

【2024年新奥门天天开彩免费资料】 【新澳2024今晚开奖资料】 【2024年澳门资料大全正版资料免费】