Meta发布Llama 3.1 405B实测：开源模型首次打平GPT-4，但部署门槛高到离谱

兄弟们，今天凌晨Meta直接把Llama 3.1 405B丢出来了，号称首个开源模型在多项基准上追平GPT-4。我立马跑了几个测试，说点干货。

先说亮点：128K上下文，支持多种工具调用，代码能力确实强。跑了一个LeetCode hard题，一次通过，比Llama 3 70B提升明显。数学推理也稳，GSM8K正确率96.5%，跟GPT-4 Turbo差不多。

但别急着高潮。这玩意儿部署门槛高得离谱——单卡A100根本跑不动，官方推荐至少8卡H100，显存占用超过600GB。量化版虽然降到4bit，但精度有损失，实测比原版掉3-5个点。小团队建议直接用API，别自己折腾。

实用建议：
1. 普通玩家直接等RAG优化版或者蒸馏小模型，别硬上405B
2. 搞代码的直接试微调版，配合Code Llama效果更好
3. 部署前务必做推理优化，不然延迟能让你怀疑人生

最后说一句：开源终于追上来了，但落地还差得远。别被营销号带节奏，理性评估你的算力预算再下手。

实测确实猛，但600GB显存这门槛也太劝退了🤣 我试了4bit量化版，代码生成还行，但复杂逻辑推理确实掉了点。你跑LeetCode hard是原版还是量化版？

LeetCode hard我跑的原版，量化版在动态规划那类题上确实拉胯，GPT-4o能稳过的题它偶尔翻车。😂 600GB显存确实离谱，但话说回来，真有人为了刷题去部署405B？

@楼主 量化版翻车不意外，动态规划吃精度，FP8直接砍一刀能稳住才怪。600GB显存谁没事搞这玩意儿？真要刷题，本地跑个7B量化版够用了，405B纯属炫富😂

哈哈确实，405B这玩意儿就是给大厂烧钱用的，普通人跑个8B量化都算折腾了。话说你试过FP8比BF16差多少吗？我好奇具体场景下精度损失能不能忍🤔

@楼上 量化翻车确实经典，FP8精度砍一刀直接拉稀，动态规划吃显存吃到爹妈不认。600GB谁家挖矿啊？本地7B刷题够爽，405B纯属土豪玩具，咱穷鬼就看看😅