我们很难说，Llama4系列三款模型中的两款代表了多少进展，显然在这个系列的发布中，夸大宣传的水分要比诚实的分析多得多。

疑点1:长上下文大海捞针，其实是骗人?

Llama拥有所谓业界领先的一千万个token的上下文窗口，听起来似乎很酷炫。

可是等等，24年2月，Gemini1.5Pro的模型，就已经达到1000万token的上下文了!

在极端情况下，它可以在视频、音频和共同文本上，执行惊人的大海捞针任务，或许，是谷歌忽然意识到，大海捞针任务意义非常重大。

正如这篇Llama4博客所说，如果把所有哈利波特的书都放进去，模型都能检索到放入其中的一个密码。

不过，这位CEO表示，这些48h前发布的结果，不如24小时前更新的这个fiction livebench基准测试这么重要。

这个基准测试，用于长上下文的深度理解，LLM必须将数万或数十万个token或单词拼凑在一起。

在这里，在这个基准测试中，Gemini2.5Pro的表现非常好，而相比之下，Llama4的中等模型和小模型，性能极其糟糕。

而且随着token长度的增加，它们的表现越来越差。

疑点2:为何周六发布?

这位CEO察觉到的第二大疑点就在于，Llama4为何选在周六发布?

在整个美国AI技术圈里，这个发布日期都是史无前例的。

如果阴谋论一点想，之所以选在周六发布，是因为Meta自己也心虚了，希望尽量减少人们的注意力。

此外，Llama4的最新训练数据截止时间是2024年8月，这就很奇怪。

要知道，Gemini2.5的训练知识截止时间是2025年1月。

这就意味着，在过去的9个月里，Meta一直在使尽浑身解数，拼命让这个模型达到标准。

有一种可能性是，或许他们本打算早点发布Llama4，但就在9月，OpenAI推出了o系列模型，今年1月，DeepSeek R1又来了，所以Meta的所有计划都被打乱了。