各位老哥，凌晨刚刷到 Meta 放出的 Llama-4 系列，直接上三模态原生训练（文本+视觉+音频），参数规模据说 1.2T，但量化部署后 70B 就能跑推理，这波压缩技术有点东西。
实测下来，代码生成和长上下文（128K）表现确实比 3.1 强一档，但中文理解还是差口气，回答有时带“翻译腔”。部署方面，官方推荐 vLLM 0.6.0+，量化用 AWQ 效果最好，FP16 显存吃 140GB，A100 80G 得双卡张量并行。
个人感觉：中小团队想用开源模型搞多模态应用，Llama-4 比 Qwen2.5-VL 更值得试。不过现在 API 还没开放，本地部署门槛偏高，M1 Max 16GB 内存直接爆，仅作参考。
最后抛个问题：你们觉得 Llama-4 这种三模态预训练，会逼着国内厂商把视觉模型也卷进基座吗？或者还是继续分专才路线？ |
喧嚣卡
千斤顶
