近期，人工智能领域掀起了一场关于Llama 4模型的热烈讨论，多位业界领袖和学者纷纷发声，对Llama 4的表现提出了质疑，并探讨了其对AI未来发展的影响。
一位知名AI公司CEO深入剖析了Llama 4存在的五大疑点，引发了广泛共鸣。他指出，Llama 4所宣称的突破并未如愿带来显著的智能提升，反而暴露出一系列问题。同时，有圈内人士悲观地认为，Llama 4的表现或许标志着单纯依靠模型规模扩大（Scaling）来提升AI能力的时代已经结束，大型语言模型（LLM）在推理能力上的欠缺依然难以弥补。
Anthropic公司的CEO Dario也制作了一段长视频，详细列举了Llama 4的六大疑点。他逐一剖析了Llama 4在性能、发布时机、测试数据等方面的争议，指出其可能存在的夸大宣传和测试作弊等问题。Dario的剖析进一步加剧了业界对Llama 4真实能力的怀疑。
纽约大学教授马库斯则在博客中总结了当前AI领域的现状，直言不讳地表示，Scaling时代已经结束，模型仍然无法可靠推理，金融泡沫正在破裂，GPT-5的推出遥遥无期，对不可靠语言模型的过度依赖已经让世界陷入了困境。他此前做出的多项预测，如今看来一一应验。
马库斯强调，大语言模型并非解决问题的万能钥匙，我们需要探索更可靠的方法。他指出，像OpenAI和Anthropic这样的公司，虽然致力于推动AI技术的发展，但面对高昂的研发成本，它们的资金储备显然难以为继。如果投资者对经济衰退的预期增强，AI领域的投资将进一步缩减，从而导致AI进展放缓。
Dario在之前的采访中曾提到，战争可能是阻止AI进步的一个因素。然而，如今看来，系统的另一种混沌状态似乎已经提前到来。他预测，如果技术无法继续向前发展，资本化不足将成为AI进步的重大阻碍。Llama 4的争议无疑加剧了这一趋势。
关于Llama 4的具体疑点，首先在于其所谓的业界领先的一千万个token的上下文窗口是否名副其实。有对比数据显示，早在Llama 4发布之前，Gemini 1.5 Pro就已经达到了这一标准，并且在长上下文深度理解基准测试中表现优异，而Llama 4的中等模型和小模型则表现不佳。
其次，Llama 4选择在周六发布也引发了诸多猜测。这一非典型的发布时间，以及模型训练数据截止时间的滞后，都让人怀疑meta是否在刻意避开公众视线，试图掩盖模型的不足。关于Llama 4在LM Arena上是否存在作弊行为的质疑也甚嚣尘上，尽管LM Arena已经公开了测试数据并表示将重新评估排行榜，但这一事件依然对Llama 4的声誉造成了不可磨灭的影响。
Llama 4在编码基准测试中的糟糕表现，也与其宣传的“取代中级程序员”的言论形成了鲜明对比。在ADA的Polyglot编码基准测试中，Llama 4 Maverick的得分惨不忍睹，远低于Gemini 2.5 Pro等竞争对手。这一系列争议和质疑，无疑给Llama 4的前景蒙上了一层阴影。
