Llama 3.1提前泄密，将GPT-4o踹下宝座？更快，价格便宜10倍
文｜常敏潇 袁滢靓
编辑｜邓咏仪
封面来源｜Getty Images
若是说成为开源模型天花板，是Llama大模型的运，那“惨遭泄露”，就是Llama要渡的劫。
2023年3月，Llama 2就因提前泄露，Meta不得不以开源的方式发布模型。
如今，历史再次重演。
太平洋时间7月12日，一名Meta员工透露，Meta计划于当地时间2024年7月23日发布迄今为止Llama最大的参数规模版本：Llama 3.1 405B。他透露，405B将会是Llama系列中首个多模态模型。
然而，就在太平洋时间7月22日，预定发布时间的前一日，Llama3.1的模型和基准测试结果就在Reddit等技术社区上泄露，Llama 3.1的磁力链接（用于下载文档的程序）已经在HuggingFace等社区中流传。
从泄露的结果中看，Llama 3.1的性能，足以媲美OpenAI的GPT-4o！
有AI博主盛赞，Llama 3.1的发布，将又是扭转AI界命运的一天：
△来源：X
泄露的基准测试结果显示，Llama 3.1共有8B、70B、405B三种规模。参数量最小的70B模型 ，许多方面的性能也与GPT-4o不相上下。
有网友指出，如果依据这个基准，Llama 3.1 405B ≈ GPT-4o，Llama 3.1 70B 则将成为能击败了OpenAI的首个轻量级模型、GPT-4o mini。
不过，不少已经下载模型“尝鲜”的网友发现，泄露版的Llama 3.1 405B，所有文件大小竟然约有820GB，所需内存是保留完整精度的Llama 2（约280GB）的近3倍。
这意味着，若非家里有矿，买得起足够多GPU，个人开发者很难用自己的电脑把Llama 3.1跑起来。部分网友猜测，Llama 3.1并非面向个人，而是面向机构和企业。
还未官宣的Llama 3.1也被泼了盆冷水。不少网友倒苦水：Llama 3.1对GPU的要求太高了，不如隔壁OpenAI家的GPT-4o mini物美价廉。
功能迭代，指标优化，计算资源减少
根据泄露的模型信息，Llama 3.1相较于2024年4月19日发布Llama 3，在功能上有了更多的迭代，包括更长的上下文窗口、多语言输入和输出以及开发人员与第三方工具的可能集成。
数据训练：Llama 3.1使用了公开来源的 15T+ tokens进行训练，微调数据包括公开可用的指令调优数据集（与 Llama-3 不同！）以及超过 2500 万个合成生成的示例。
多语言对话：Llama 3.1支持8种语言：英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语。虽然很遗憾没有中文，但开发人员可以针对 8 种支持语言以外的语言对 Llama 3.1 模型进行微调。
上下文窗口：每个版本的上下文长度从8k扩展至128k，大致相当于模型一次能够记住、理解和处理9.6万字，几乎是一整本原版《哈利·波特》。
许多网友跃跃欲试，让Llama 3.1与模型“前辈们”一同竞技，发现不仅是指标有了显著提升，计算资源也节省不少。
基于网友的测试，与Llama 3相比，Llama 3.1的能力有显著提升。其中human_eval和truthfulqa_mc1两项能力进步明显，意味着生成编程代码的能力更强、生成问题答案时更具真实性。
同时，Llama 3的instruct（指令）模型相较于base（基座）模型，在提示学习、语境学习、高效参数微调等指标提升明显。
这是合理的，因为base模型通常未经特定任务微调，而instruct模型经过专门训练后，能遵循指令或完成特定任务。通常，instruct模型的指标表现更出色。
这让人更加期待Llama3.1的正式发布。目前泄露的Llama3.1模型测试，结果仅仅针对base模型，而instruct模型表现可能会更佳！
令人惊讶的是，基准测试结果中，Llama 3.1 70B模型打平甚至击败 GPT-4o，Llama 3.1 8B模型则与Llama 3 70B模型性能接近。有网友猜测，这可能采用了模型蒸馏技术，即8B和70B的模型是由405B最大规模的模型简化得出，让大模型变“小”。
模型蒸馏技术可以看作学生向老师学习。大而强的模型（老师模型）是老师，较小且简单的模型（学生模型）是学生。学生模型通过“模仿”老师模型来学习，使输出尽可能接近老师模型的输出，从而学到相似的知识和能力。
经过蒸馏训练后的学生模型，可以减少模型大小和计算资源需求，同时又能保持较高的性能表现和相当的精度。
不是谁都跑得动，但推理价格很划算
Llama 3.1到底会不会如愿开源，还是个未知数。但即便开源，想要用得起Llama 3.1，家里仍然得有矿。
想要跑得动Llama 3.1，最基础的入门券，就是足够的GPU。
泄露文件显示，Llama 3.1 405B在H100-80GB类型硬件上的训练时间为30.84M GPU小时。这意味着，假设每小时只用一张H100-80GB，运行Llama 3.1 405B就要花30.84M小时——等模型跑起来，要过3500年！
如果想要私有化部署，企业要想在一个月内顺利运行Llama 3.1 405B，就要储备起码43000块H100-80GB。按照4万美金的H100单价算，使用Llama 3.1 405B的算力入场券，就高达17亿美金，折合人民币125亿元。
不过好消息是，Llama 3.1的推理成本，可能会更便宜。
据Artificial Analysis预测，吞吐1百万Tokens所需的成本，Llama 3.1 405B将比质量相似的前沿模型（GPT-4o 和 Claude 3.5 Sonnet）便宜，更具性价比。
除此之外，有网友通过源文件代码猜测，Llama 3.1 405B可能会成为会员产品，用户使用时需要付费。不过，真实情况如何，还需等待官方发布。
（36氪作者周鑫雨对本文亦有贡献）