Llama 3.1 405B开源实测：32万上下文，打平GPT-4o，但显存劝退

刚跑完Meta昨天发布的Llama 3.1 405B，先说结论：开源模型终于追上闭源第一梯队了，但别急着欢呼，硬件门槛直接把散户劝退。

先说亮点。32万token上下文，实测能完整啃完三本《三体》再回答问题，长文本场景吊打Claude 3.5 Sonnet。MMLU评测冲到88.7，和GPT-4o的88.9几乎没差，编程、数学、逻辑推理都稳得一批。最骚的是支持工具调用和函数调用，直接能当Agent用，这波开源生态真要起飞了。

但别高兴太早。405B参数意味着什么？一张H100只能塞下四分之一，想本地跑满精度推理，至少得8卡H100集群，预算直奔50万。或者用我昨天刚试的AWQ 4bit量化版，两张RTX 4090勉强能跑，但吞吐感人，每秒才3个token，发个消息得等半分钟。

实用建议：
- 小团队直接上70B版就够了，405B性价比太低
- 想玩长文本的，用Groq或Together的API，免费额度够测到过瘾
- 本地部署党等ollama更新，据说今晚就支持了

最后说句实话：这模型强是强，但普通人真别盲目跟风。开源是赢了，赢的是大厂和云服务商，咱小打小闹的，玩70B就知足吧。