【新智元导读】霸榜的Baichuan-7B发布后才短短26天，百川又发布了Baichuan-13B，百亿参数已可媲美千亿，自此，中国开源大模型开始赶超美国开源领域，正式进入商用新纪元。2023年7月11日，百川智能正式发布参数量130亿的通用大语言模型Baichuan-13B-Base、对话模型Baichuan-13B-Cha
......
本文由站长之家合作伙伴自媒体作者“新智元公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
美国科技巨擘Meta重磅推出其迄今最为强大的开源AI模型Llama4，恰逢Llama3上市一周年之际。Llama4系列采用了先进的混合专家架构，这一架构在模型训练及用户查询回答过程中展现出更高效率，通过将模型划分为多个专注于特定任务的专家”子模型，实现精准高效的处理。Meta首席执行官扎克伯格表示：他们的目标是建立世界领先的人工智能，将其开源，并使其普遍可用，以便世界上每个人都能受益。
被寄予厚望的美国Meta公司的最新开源大模型Llama4发布不到2天时间，口碑急转直下，被质疑为刷榜作弊实际效果差、开源条件多部署门槛高是伪开源等。大模型评测平台LMArena亲自下场发文，打脸Meta提供给平台的Llama4是“特供版”。Meta若继续在商业控制与技术开放之间摇摆，恐将在AI竞赛中进一步失去开发者支持。
Llama4重磅发布了!Meta官宣开源首个原生多模态Llama4，首次采用的MoE架构，支持12种语言，首批发布一共两款:Llama4Scout:共有1090亿参数，17B活跃参数，16个专家，1000万上下Llama4Maverick:共有4000亿参数，17B活跃参数，128个专家，100万上下文另外，2万亿参数Llama4Behemoth将在未来几个月面世，288B活跃参数，16个专家。Llama4的横空出世，成为迄今为止开源最强，多模态能力最好的模型之一。L
Meta公司称，相比之前的版本，他们最新的人工智能模型Llama4的政治偏见更少了。其中一部分便是通过允许该模型回答更多带有政治争议性的问题来实现这一点的。下次当你使用Meta的AI产品时，它可能会为“通过服用马用镇静剂来治疗新冠病毒”这种观点说好话！
字节跳动发布豆包1.5深度思考模型，升级文生图能力。该模型在专业领域和通用任务中表现突出，采用MoE架构，总参数量200B，激活参数20B，推理成本优势显著。同时，其图像生成模型Seedream 3.0性能追平GPT-4o等顶尖模型。全球AI产业加速发展，开源模型降低技术门槛，推动商业化落地。微美全息等企业构建开放AI生态，DeepSeek等公司通过开源策略促进技术普惠。行业迎来"开源AI+"新阶段，企业需把握机遇应对挑战。
今天凌晨1点半，Meta生成式AI领导者AhmadAl-Dahle在社交平台发布了一篇长文，对前天刚开源的Llama4质疑进行了官方回应。Ahmad表示，Llama4一开发完就发布了，所以，不同服务中模型质量难免会有一些差异。由于关税大战的原因，Meta的股票遭遇重创，他们也需要一个利好消息来拉升股票，现在适得其反。
LMArena更新了Meta最新发布的开源大模型Llama-4-Maverick的排名，从此前的第2名，直线掉到了第32名！这也实锤了此前开发者对Meta为刷榜排名向LMArena提供了“特供版”的Llama4大模型的质疑。开源版同款Llama-4-Maverick-17B-128E-Instruct在LMArena的排名为32名，远低于Gemini2.5Pro、GPT4o、DeepSeek-V3-0324、DeepSeek-R1、Qwen2.5-Max，甚至连英伟达基于上一代Llama3.3改造的Llama-3.3-Nemotron-Super-49B-v1都不如。
国内AI企业智象未来研发的开源图像生成模型HiDream-I1近日取得重要突破：该模型凭借17B参数规模，在图像真实感、细节处理及指令响应能力上超越行业标杆，多项评测指标超过GPT-4o与Flux1.1。继登顶AI基准测试平台Artificial Analysis、获Hugging Face收录后，该模型正式被谷歌技术生态体系收录，成为首个登顶该平台榜首的中国自研开源模型。其24小时内登顶的纪录，被视为中国AI技术全球竞争力的重要里程碑。谷歌的收录将推动HiDream-I1触达全球开发者，助力开源生态共建进入新发展阶段。
令人失望的Llama4，只是前奏已。接下来我们恐将看到——全球局势的改变，将彻底阻止AI进步!最近，一位AICEO做出长视频，逐级对Llama4身上的六大疑点进行了扒皮。GaryMarcus正在寻找对开发更可靠替代方法有兴趣的投资者。
今日，字节跳动豆包大模型团队宣布，正式开源首个多语言类SWE数据集Multi-SWE-bench，可用于评估和提升大模型自动修Bug”能力。在SWE-bench基础上，Multi-SWE-bench首次覆盖Python之外的7种主流编程语言，是真正面向全栈工程”的评测基准。相比于以往聚焦Python的单语言任务，Multi-SWE-bench更贴近现实中的多语言开发场景，也更能反映当前模型在自动化软件工程”方向上的实际能力边界。
