Llama 3.1 的时候写过一篇评测，结论是「开源追赶者」。

Llama 4 发布后，这个定位要改一改了——不再是追赶，而是正面对抗。

架构升级

最大的变化是引入了 MoE（Mixture of Experts）架构。

简单说就是：模型很大，但每次推理只激活其中一部分参数。相当于用大模型的能力、小模型的成本。

这意味着本地部署的门槛降低了。以前跑不动的大模型，现在 MoE 架构下显存需求小了很多。

多模态原生支持

Llama 4 原生支持图文混合输入。不是后期拼接，是训练时就包含了视觉理解。

实测让它看一张 UML 类图，能准确描述类之间的关系。拍一张白板上的流程图，也能转成文字描述。

对做课设来说很实用——白板讨论完直接拍照让 AI 整理。

性能对比

维度	Llama 4 Scout	GPT-4o	Claude 3.5 Sonnet
代码生成	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐
推理能力	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐
多模态	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐
本地部署	⭐⭐⭐⭐⭐	❌	❌

开源模型能做到这个水平，是真的强。

本地运行体验

用 Ollama 跑了 Llama 4 Scout（最小的版本）。

我的 3060 12G 勉强能跑，推理速度可以接受。日常问答、代码补全的质量明显比 Llama 3.1 强了一个量级。

没有 GPU 的同学可以用量化版本，CPU 也能跑，就是慢一些。

对学生的意义

免费、开源、本地可跑。

不需要 API Key，不需要科学上网，不需要花一分钱。这才是 AI 民主化的真正意义。