4月5日，Meta公司發佈了大型語言模型Llama的最新版本Llama 4 Scout與Llama 4 Maverick。

Meta在聲明中表示，Llama 4是一個多模態AI系統，能夠處理和整合文本、視頻、圖像、音訊等多種數據類型，並能在不同格式之間實現內容轉換。據介紹，Scout和Maverick是該公司首款採用混合專家架構(MoE)的模型，兩者均以開源形式發佈。此外，Meta還預告了Llama 4 Behemoth，稱其為“全球最聰明的語言模型之一，將作為未來模型訓練的教師模型”。

沒想到，隨後就被曝出模型訓練測試集作弊，內部員工直接辭職，引發爭議。

爭議的導火索源於海外留學求職交流論壇“一畝三分地”的一篇帖子，發帖人自稱是參與Llama 4訓練的內部員工，並表示已因此辭職。

該員工透露，儘管團隊反覆努力訓練，Llama 4的內部模型性能始終無法達到開源SOTA（State-of-the-Art，頂尖水準）基準，差距明顯。為達成目標，公司領導層提出在訓練後期將各種基準測試的“測試集”數據混入訓練或微調數據中，以此在各項指標上達成目標，交出一份“好看”的成績單。

這位內部員工@dliudliu表示，自己無法接受這種做法，甚至辭職信中明確要求不要在Llama 4技術報告中掛名。

就在Llama 4即將發佈前幾天，Meta AI研究主管Joelle Pineau在工作8年之後突然宣布離職。

知名科技媒體TechCrunch也發文質疑Llama 4的性能測試存在誤導性。文章聚焦Llama 4（即Maverick）在著名的人類評估排行榜LM Arena上的表現，指出Maverick雖取得第二名的好成績，但背後另有隱情。在一些實測中，號稱千萬上下文的召回率，上下文的實際表現，遠低於預期。而Llama 4 Maverick 在 aider 多語言編碼基準測試中得分為實測僅為 16%。

有人認為Llama 4的表現甚至和Llama 3.2一樣沒有任何進步，也無法完成寫詩。其他用戶在測試后也表達了同樣的觀點，Llama 4有點不符合預期。

幾位AI研究人員在社交媒體上都“吐槽”認為，Meta提交給LM Arena進行測試評估的Maverick版本，和公開發佈給開發者使用的版本可能並非同一個。

不過Meta表示，更強大的一款被命名為Llama 4 Behemoth的大模型仍在訓練中。據稱，Meta Platforms的CEO紮克伯格此前給全員下了死命令，4月底是Llama 4交付最後期限。

早在1月10日，有媒體稱，據加利福尼亞聯邦法院公開的庭審檔中，一些作家指控Meta Platforms在訓練其Llama AI模型時，未經授權使用了盜版電子書和文章數據集LibGen，並通過點對點（P2P）方式下載了大量盜版書籍和文章，而且內部員工還爆料此事獲得了紮克伯格的允許，目前案件在審理中。

今年年初，紮克伯格曾表示2025年計劃投資多達650億美元用於人工智慧（AI）相關專案，包括建立新的巨型數據中心和加大AI團隊的招聘，以鞏固其在與OpenAI和谷歌競爭中的地位。