實錘了，Llama 4重測排名掉至32名！遠不及DeepSeek和Qwen

4月13日消息，LMArena 更新了Meta最新發(fā)布的開源大模型Llama-4-Maverick的排名，從此前的第2名，直線掉到了第32名！

這也實錘了此前開發(fā)者對Meta為刷榜排名向LMArena提供了“特供版”的Llama 4大模型的質(zhì)疑。（詳情：Llama 4大模型跌落神壇：作弊刷榜、代碼能力極差、和DeepSeek比就是偽開源）

4月6日，Meta發(fā)布了最新的大模型Llama 4，包含Scout、Maverick和Behemoth三個版本。其中，Llama-4-Maverick在LMArena公布的Chatbot Arena LLM 排行榜中的排名第二，僅次于Gemini 2.5 Pro。

然而，隨著開發(fā)者實際使用Llama 4大模型開源版的效果陸續(xù)曝出，Llama 4口碑急轉(zhuǎn)直下。有開發(fā)者發(fā)現(xiàn)Meta提供給LMArena的Llama 4版本與提交給社區(qū)的開源版本不同，因而Meta被質(zhì)疑為刷榜作弊。

4月8日，Chatbot Arena官方發(fā)文確認了用戶的上述質(zhì)疑，公開表示Meta提供給他們的是“特供版”，并考慮更新排行榜。

根據(jù)Chatbot Arena官方消息，Meta首次提交LMArena的Llama-4-Maverick-03-26-Experimental是一個實驗性聊天優(yōu)化版本，當時該版本的排名為第二。修正后的模型為HuggingFace開源版同款Llama-4-Maverick-17B-128E-Instruct，是17B激活參數(shù)、128個MoE專家的指令微調(diào)模型。

目前，開源版同款Llama-4-Maverick-17B-128E-Instruct在LMArena的排名為32名，遠低于Gemini 2.5 Pro（1）、GPT4o（2）、DeepSeek-V3-0324（5）、DeepSeek-R1（7）、Qwen2.5-Max（11），甚至連英偉達基于上一代Llama 3.3改造的Llama-3.3-Nemotron-Super-49B-v1（17）都不如。

LMArena詳細排名如下：

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。