Meta甩出Llama 2：7B到700B全開源

Meta把Llama 2的權重直接扔進了GitHub倉庫，附帶一份允許商用的許可證。這對閉源玩家來說，相當于有人在你收費的高速公路旁邊修了一條免費八車道——還不限車型。

從"學術玩具"到"商用武器"：許可證變了什么

Llama初代版本的許可證卡死了商用場景，開發者只能拿來發論文或做Demo。Llama 2的許可證刪掉了這條紅線，月活7億以下的產品可以直接用，超過的才需要單獨申請。

7億月活是個精心設計的門檻。它把Google、OpenAI自己攔在門外，但放過了絕大多數創業公司和中廠。Meta這招既賺了開源名聲，又避免直接資敵。

許可證里還有條隱藏條款：如果用Llama 2輸出的內容去訓練其他模型，那這個新模型也得開源。這像病毒式傳播的開源協議，逼著競爭對手要么裸奔，要么別碰Llama 2的數據。

微軟的算盤：Azure成了"開源模型超市"

Meta發布會選在微軟總部開，Llama 2同步上線Azure模型庫。這不是友情客串——微軟在OpenAI身上砸了100多億美元，現在轉頭擁抱開源，典型的"兩頭下注"。

對Azure用戶來說，現在可以在同一個控制臺里調OpenAI的GPT-4和Meta的Llama 2。微軟的角色從"OpenAI獨家經銷商"變成了"大模型菜市場"，貨架上既有專柜奢侈品，也有平價白牌貨。

微軟CEO納德拉的表態很克制：「我們很高興成為Meta的首選合作伙伴。」沒提OpenAI，但每個字都在提醒市場——云廠商的核心資產是算力和分發渠道，不是某一家模型的獨家代理權。

參數矩陣：70億到700億的覆蓋戰術

Llama 2發布了7B、13B、70B三個版本，訓練數據比初代多了40%，上下文長度翻倍到4096個token（詞元）。70B版本在多項基準測試里追平了GPT-3.5，雖然還摸不到GPT-4，但勝在能私有化部署。

700億參數是開源社區能消化的上限。再往上走，推理成本會讓大多數公司破產。Meta內部其實訓了更大的模型，但沒放出來——開源是戰略，不是慈善。

訓練細節也公開了：2萬億token的預訓練數據，人類反饋強化學習（RLHF）的輪次比初代翻倍。Meta甚至發布了配套的安全微調版本Llama 2-Chat，專門用來生成"更禮貌、更拒絕有害請求"的輸出。

行業地震：誰睡不著，誰在偷笑

閉源廠商的定價權開始松動。OpenAI的GPT-3.5-turbo定價0.002美元/千token，但Llama 2 70B在AWS上的推理成本可以壓到更低——關鍵是數據不用出戶。

金融、醫療、政務這些對數據主權敏感的領域，終于有了不用給OpenAI送數據的選項。一家國內大模型公司的技術負責人私下吐槽：「我們之前花大價錢買GPU訓底座，現在Meta白送，壓力全轉到應用層了。」

但開源也不是萬能藥。Llama 2的論文承認，它在代碼生成和數學推理上仍明顯弱于GPT-4。Meta的解法很務實：不追求完美，先占住"夠用且免費"的生態位。

GitHub倉庫發布24小時內，Star數突破15萬。Hugging Face上的Llama 2模型卡片被fork了4萬多次，微調教程、量化方案、LangChain集成代碼像野草一樣長出來。這是閉源模型永遠買不到的網絡效應。

Meta AI負責人Yann LeCun在Twitter上發了張圖：Llama 2的下載按鈕旁邊，是一只羊駝（Llama的英文原意）踢腿的動圖。配文只有一個詞：「Run.」

沒人確定他讓誰跑——是讓開發者快跑起來用，還是讓競爭對手快跑逃命。