Llama 4
Llama 4在测试集上训练？内部员工、官方下场澄清，LeCun转发
Meta 新发布的Llama 4模型在实战中表现不佳，引发了广泛质疑。尽管其在大模型竞技场上的排名不错，但在实际应用中的效果却不如人意。部分用户反馈称该模型存在多方面的问题，如生成代码、抽象推理等能力不足。为了澄清疑虑，Meta 发布了Llama 4的相关测试数据，并承认之前的宣传策略可能存在问题。
Llama 4爆料大反转，没在测试集上训练！华人员工实名辟谣，LeCun出面救火
Meta针对Llama 4训练作弊的爆料迅速反击，但模型的实际表现却频频被吐槽。Ahmad Al-Dahle澄清不同平台间质量差异是因为开源行为，Yann LeCun力挺模型。尽管存在争议，Llama 4在某些测试中的表现令人失望。
Llama 4多模态大模型上线即开源，测试成绩、开源模式广遭质疑
Meta发布首个原生多模态Llama 4系列模型，性能超越GPT-4。包含Maverick、Scout和Behemoth三个模型，支持1000万token上下文。不过其开源模式存在争议，包括登录Hugging Face账户限制、严格再分发要求及命名要求等。
Meta 你摊上事了！Llama 4 vs DeepSeek：谁才是最强开源模型？
Meta 新发布的Llama 4因基准测试成绩亮眼但遭用户质疑，称其实际表现不佳。Meta 因疑似数据污染技术而受到批评。此外，Meta的Llama 4 Maverick模型在多个任务如前端开发、逻辑推理等方面的表现也不尽人意。
Llama 4发布36小时差评如潮！匿名员工爆料拒绝署名技术报告
Meta最新基础模型Llama 4发布后遭遇差评如潮。代码能力受质疑，尤其是经典‘氛围编程’小球测试表现不佳。竞技场排名成绩参差不齐，且存在数据泄露和版权问题的疑虑。
大瓜来了！Llama 4 陷刷榜争议：“内部员工”发帖控诉，测评版本被指特供？
一篇来自‘一亩三分地’论坛的帖子爆料称Meta的新大模型Llama 4训练效果未达开源SOTA基准，公司采取混入测试集数据以满足目标的做法引发争议。此外，TechCrunch质疑Meta在LM Arena排行榜上提交的版本可能与公开版不同，并认为这种行为可能误导开发者。
关税刷屏的一周，AI圈也暗流涌动：Llama 4来了，O3和O4-mini也要来了，DeepSeek R2和GPT-5也不远了？
Meta发布Llama 4系列，强调多模态和超长上下文窗口；OpenAI确认O3和O4-mini即将上线且GPT-5将免费；DeepSeek与清华提出SPCT方法提升推理扩展性能。