Meta开源Llama 4实测：打脸还是真香？部署避坑指南

昨晚Meta突然放出Llama 4系列，Behemoth 2T参数版本没来，先来了个Scout 17B和Maverick 17B。社区里炸了锅，有人直接开喷“又是套壳MoE”，我连夜跑了下基准和手头任务，说点干货。

先说Scout，号称10M上下文窗口，实测用Rope调优后，长文档摘要确实比Llama 3强不少，尤其是代码库级别反编译，分段记忆没崩。但注意：显存杀手，单卡4090跑10M直接OOM，建议用vLLM加FlashAttention-3，实测压缩到256K性价比最高。

Maverick走多模态路线，图像理解比Qwen2.5-VL略逊，但文字推理跃升明显。GLUE基准干到了91.2，数学推理和代码生成比Claude 3.5 Sonnet快15%，可惜中文多轮对话有“幻觉回滚”，特别是长上下文时容易忘掉用户刚说的否定词。

实用建议：
- 想玩大上下文？直接上Scout量化版（Q4_K_M），配合LM Studio本地跑，成本压到单卡A100。
- 做Agent或RAG？Maverick的Function Calling稳定度比Gemini 2.0高，但别信官方给的提示模板，自己写Few-shot示例效果翻倍。

别跟风吹或骂，先跑两天再说。代码地址我放评论区，踩坑日志实时更新。