最强开源大模型 Llama 3 王者归来！最大 4000 亿参数！挑战 GPT-4！

原文链接:全网首发，Meta Llama-3 全方位详解

扎克伯格：「有了 Llama 3 ，全世界就能拥有最智能的 AI 。」

ChatGPT 拉开了大模型竞赛的序幕，Meta 似乎要后来居上了。

本周四，AI 领域迎来重大消息，Meta 正式发布了人们等待已久的开源大模型 Llama 3 。

Llama 是由 Meta(FaceBook) AI 发布的一个开源项目，允许商用，影响力巨大。之前发布的 Llama 2 ，支持 4096 上下文，性能卓越，被认为是 GPT 系列最大的竞争对手（之一）。

Meta 发布了 Meta Llama 3 系列语言模型（ LLM ），具体包括一个 8B 模型和一个 70 B 模型在测试基准中，Llama 3 模型的表现相当出色，在实用性和安全性评估中，与那些市面上流行的闭源模型不相上下。

Llama 3

中国时间 2024 年 4 月 19 日 0 点 0 分，Meta Llama 3 发布。模型以开源形式提供，包含 8B 和 70B 两种参数规模，涵盖预训练和指令调优的变体。Llama 3 支持多种商业和研究用途，并已在多个行业标准测试中展示了其卓越的性能。

Llama 3 将数据和规模提升到新的高度。Meta 表示，Llama 3 是在两个定制的 24K GPU 集群上、基于超过 15T token 的数据上进行了训练 —— 相当于 Llama 2 数据集的 7 倍还多，代码数据相当于 Llama 2 的 4 倍。从而产生了迄今为止最强大的 Llama 模型，Llama 3 支持 8K 上下文长度，是 Llama 2 容量的两倍。

技术信息

Transformer 架构

Meta Llama 3 采用了优化的自回归 Transformer 架构，这种架构专为处理复杂的文本生成任务设计，能够有效提升生成文本的连贯性和相关性。

混合调优

模型结合了监督式微调（ SFT ）和带人类反馈的强化学习（ RLHF ），这种混合方法不仅增强了模型的帮助性，也提高了安全性，使得模型在实际应用中更加可靠和符合用户预期。

性能卓越

在多个行业标准基准测试中，特别是在对话类应用中，Meta Llama 3 的表现超过了许多现有的开源聊天模型，显示了其强大的应用潜力，具体后面细说。

训练数据

海量数据

Llama 3 使用了超过 15 万亿令牌的公开在线数据进行预训练，这些数据经过精选，确保模型训练的广泛性和高质量输出。

支持 30 种语言

虽主要以英语为主，但预训练数据中包含超过 30 种语言的高质量非英语数据

政治正确

碳排放抵消

Meta 承诺通过其可持续性计划抵消预训练过程中产生的所有 CO2 排放（ 2290 吨 CO2 等效）。

很守规矩

Llama 3 的使用严格遵守法律法规，确保不被用于任何非法活动，同时强调了对知识产权和合规性的重视。Llama Guard 模型旨在为及时响应安全奠定基础，并可根据应用需求轻松微调以创建新的分类标准。作为起点，新版 Llama Guard 2 采用了最近公布的 MLCommons 分类标准。此外，CyberSecEval 2 在其前身的基础上进行了扩展，增加了对 LLM 允许滥用其代码解释器的倾向、攻击性网络安全能力以及对提示注入攻击的易感性的测量。最后，Meta 将推出代码盾（ Code Shield ），它增加了对 LLM 生成的不安全代码进行推理时过滤的支持。这可以降低不安全代码建议、代码解释器滥用预防和安全命令执行方面的风险。

技术性能

这次的 Llama 在性能上展现了大幅度提升，包括最直接的 8k 上下文（之前是 4k ），以及可以更好的完成输出任务。

性能测试

基准测试

Meta Llama 3 的 70B 模型在多项基准测试中显示出色的性能，例如在 TriviaQA-Wiki 测试中达到了 89.7% 的准确率，明显优于其他同规模模型。

在内部开发的高质量人类评估集中，该评估集包含了 1,800 个提示，覆盖了 12 个关键用例（包括咨询、编码、创意写作等），Llama 3 在这些实际应用场景中的表现同样卓越。

这里再附一张 Llama 2 和 3 的对比：

现实场景

根据人类评估者的偏好排名，Llama 的 70B 参数模型在实际应用场景中的表现，尤其是在指令跟随方面，相较于其他相当规模的模型表现出了显著的优势。

架构与优化

模型架构

Llama 3 采用了自回归 Transformer 架构，这种结构特别适合于处理复杂的文本生成任务，能有效提升文本的连贯性和相关性。

引入了分组查询注意力（ Grouped Query Attention, GQA ）技术，这不仅提升了大数据处理的效率，还加快了响应速度。

训练和微调

在预训练阶段，Llama 使用了超过 15 万亿令牌的高质量数据集，包括多种语言的文本，以确保模型具有广泛的适用性和优异的性能。

在微调阶段，通过监督式微调（ SFT ）和带人类反馈的强化学习（ RLHF ）的混合方法，Llama 显著降低了错误拒绝率，改善了模型的对齐和响应多样性。

性能提升

Llama 3 在本次更新中，在推理、代码生成和指令跟随等方面有了明显的能力提升。

如何使用

作为一个开源 LLM ，你可以通过多种方式来使用：直接用别人部署好的产品，找部署好的接口，或者自己部署

直接使用

huggingface

地址在这，进去后直接切模型： https://huggingface.co/chat/

但是实际测试下来，发现目前 Llama 3 对于中文的支持并不是很好，默认情况下会采用英文回答，但是可以要求使用中文回答。

Replicate

8B 模型： https://replicate.com/meta/meta-llama-3-8b

70B 模型： https://replicate.com/meta/meta-llama-3-70b

Meta AI

Meta 自己拿 Llama 3 做的，这里访问： https://ai.meta.com/

注意，这个锁地区。

第三方 API

微软 Azure

地址在这： https://azuremarketplace.microsoft.com/en-us/marketplace/apps/metagenai.meta-llama-3-8b-chat-offer?tab=overview

Replicate

他们好卷...Llama 发布 1 个小时，他们就上线服务了，这俩地址也能走 API

8B 模型：hat/https://replicate.com/meta/meta-llama-3-8b

70B 模型： https://replicate.com/meta/meta-llama-3-70b

自己部署

Meta 项目官网

地址在这： https://llama.meta.com/llama-downloads

Github

项目地址： https://github.com/meta-llama/llama3

其他

跟随 Llama 3 发布的，还有 Meta AI 系列，包括：一款手机 app ，一个网站，还有一堆在 Meta FaceBook 全家桶里的插件。

扎克伯格表示，Meta 提供的生成式 AI 能力在免费产品中性能是最强大的。

目前 Llama 3 在 Meta 的各个产品中已经全部集成中了。在 Facebook 、Instagram 、WhatsApp 和 Messenger 上，用户现在可以借助 Meta AI 进行搜索，无需在应用程序之间切换。

总结

8B 和 70B 两个型号的模型，标志着 Llama 3 系列的开端，下一步还会有更多。

Meta 表示，「最大的 Llama 3 」参数超过 400B ，虽然这些机型仍在训练中，但在接下来的几个月中也将陆续发布，新功能包括多模态、多语言对话能力、更长的上下文窗口以及更强的整体能力。

一旦完成 Llama 3 的训练，Meta 还将发表一篇详细的研究论文。

Llama 3 还未到来的 400B+ 版本会有多强？它一旦发布是不是意味着开源社区就将迎来 GPT-4 级大模型？

也许只有 OpenAI 的 GPT-5 才能压下开源模型了。

按照 ChatGPT Plus 升级教程，可以快速升级到 ChatGPT plus ，后续就可以第一时间体验到 GPT-5 最新功能。

OpenAI 刚刚发布了最新的 GPT4-Turbo ，现在 Llama3 就立马发布了。大模型都要卷起来啊！希望这个大模型越来越强大，使用越来越方便，价格也更便宜！

都给我卷起来！

参考

https://llama.meta.com/llama3/

https://www.facebook.com/4/videos/377361005296904/

https://www.reuters.com/technology/meta-releases-early-versions-its-llama-3-ai-model-2024-04-18/

https://www.theverge.com/2024/4/18/24133808/meta-ai-assistant-llama-3-chatgpt-openai-rival