Meta最新开源推出的新一代大模型
Llama 3 是什么
Llama 3 是 Meta 于 2024 年 4 月 18 日发布的第三代开源大语言模型家族，初始放出 8B、70B 两个稠密文本模型；随后在 2024 年下半年快速迭代出 Llama 3.1（加 405B 旗舰、128K 上下文、8 语）、Llama 3.2（1B/3B 端侧 + 11B/90B 视觉）、Llama 3.3（70B 指令版逼近 405B），形成从手机端到数据中心的全频谱开放权重矩阵。Llama 3 系列基于 decoder-only Transformer，采用 128K token 分词器、全系 GQA、15T+ token 训练语料，是首个在 405B 尺度上对标 GPT-4o / Claude 3.5 Sonnet 的开放权重（open-weight）基础模型，开发者可自托管、微调、蒸馏，不绑定 Meta API。
Llama 3 家族型号（2026 现行版）
| 版本 | 参数 | 上下文 | 模态 | 定位 |
|---|---|---|---|---|
| Llama 3（初代） | 8B / 70B | 8K（训练态） | 文本 | 2024-04 首发，基础第三代 |
| Llama 3.1 | 8B / 70B / 405B | 128K | 文本 | 2024-07，首开 405B 旗舰+工具调用+8 语 |
| Llama 3.2 | 1B / 3B | 128K | 文本 | 端侧/移动，量化后 1–3GB 可跑 |
| Llama 3.2 Vision | 11B / 90B | 128K | 图文输入→文本 | 2024-09，接视觉适配器 |
| Llama 3.3 | 70B（仅 Instruct） | 128K | 文本 | 2024-12，70B 档首选，替代 3.1-70B |
选型速记：1B/3B 用 3.2；8B 用 3.1；视觉用 3.2-11B/90B；70B 用 3.3；要旗舰用 3.1-405B（或走云 API）。
主要能力与改进
架构与推理
- Decoder-only Transformer，RoPE θ=500K，全系 GQA（8B 也带，显存占用大幅下降）。
- 分词器词表 128,256（tiktoken-style BPE），比 Llama 2 的 32K 翻 4 倍，中英代码压缩率更高。
- 初代训练上下文 8K，3.1+ 统一扩展到 128K token 推理。
训练数据
- 初代 8B/70B：15T+ token（Llama 2 的 ~7 倍），代码数据 4× 扩容，含 30+ 语言非英语数据（>5%）。
- 3.1 起明确支持 英/德/法/意/葡/西/泰/印地 8 种语言高质量对齐。
对齐与安全
- 指令版走 SFT + RLHF/DPO，错误拒绝率下降、指令跟随提升。
- 安全套件：Llama Guard 2 → Llama Guard 3、Prompt Guard、Code Shield、CyberSec Eval 2。
工具与智能体
- 3.1 起原生支持 function calling / tool use / 结构化输出，可接搜索、代码解释器、DB。
- Llama Stack 提供 Agent 编排参考实现，官方推合成数据生成与模型蒸馏工作流。
多模态延伸
- 3.2 Vision 11B（~8GB VRAM 可跑）/ 90B 支持图像理解、图表读取、视觉问答。
性能定位（官方基准）
- Llama 3 8B（初代）：MMLU ~66.6，持平/超 Llama 2 70B，同尺寸优于 Gemma 7B、Mistral 7B。
- Llama 3.1 405B：MMLU 88.6、GPQA 61.6，发布时与 GPT-4o、Claude 3.5 Sonnet 同档。
- Llama 3.3 70B：MATH 较 3.1-70B +9.2，IFEval 92.1（超 405B），MGSM 多语 +4.2，文本任务逼近 3.1-405B 但成本低一个数量级。
如何使用 Llama 3
开发者自托管 / 微调
- 权重下载：https://llama.meta.com/llama-downloads （需同意 Llama 3 Community License）
- GitHub：https://github.com/meta-llama/llama3
- Hugging Face 集合：https://huggingface.co/collections/meta-llama/meta-llama-3-66214712577ca38149ebb2b6
- 本地运行：Ollama（
ollama pull llama3.3/llama3.1:8b）、llama.cpp、vLLM、TGI - 微调：torchtune（Meta 官方）、PEFT/LoRA/QLoRA、Axolotl
- 云推理：AWS Bedrock、Azure AI、GCP Vertex、Groq、Replicate（https://replicate.com/meta ）、Fireworks、Together
普通用户免部署体验
- Meta AI（meta.ai / WhatsApp 内）：部分地区可用，不再严格锁区，切到 Llama 3.1 405B 或 3.3
- HuggingChat：https://huggingface.co/chat （可切 Llama-3.3-70B-Instruct）
- Replicate 在线 Demo：https://llama3.replicate.dev/
- 本地轻量：Ollama + 3.2-3B 在笔记本跑
关键信息与许可
- 许可：Llama 3 Community License（研究+商用，月活 >7 亿产品需向 Meta 报备）；3.1 起允许用模型输出蒸馏/改进其他模型。
- 权重性质：open-weight（开放权重），非完全开源代码训练全流程；可离线、可私有化。
- 硬件参考：8B Q4 ~5GB 内存可跑；70B BF16 需 ~140GB 显存（多卡），Q4 量化 ~40GB；405B 需多张 H100，FP8 量化可减半卡数。
- 上下文：3.1+ 全系 128K；初代 8K 仅训练态，经 RoPE 扩展可推到 128K。
- 现状（2026-07）：Llama 3.x 仍是 Meta 主推开放权重线；Llama 4（Scout/Maverick，MoE）已接棒旗舰，但 3.3 70B 因性价比仍是生产部署最常用选择之一。
核心优势
- 开放权重+可私有化：数据不出域，金融/医疗/政企合规场景首选。
- 尺寸光谱完整：1B 跑手机，405B 拼闭源旗舰，中间每档都有对应版本。
- 生态最成熟：Ollama、vLLM、LangChain、LlamaIndex、torchtune、各云厂首日支持。
- 405B 开启开源旗舰时代：首次让开源界拿到 GPT-4 级基座做蒸馏/合成数据。
- 3.3 70B 性价比王：单卡 A100/H100 可服务，质量接近 405B，推理成本 1/5。
同类竞品对比
| 维度 | Llama 3.x（3.3/3.1） | Qwen3 / Qwen2.5 | Mistral / Mixtral | Claude / GPT（闭源） |
|---|---|---|---|---|
| 权重开放 | ✅ open-weight | ✅ 部分开放 | ✅ 7B/8x7B 开放 | ❌ API only |
| 最大尺度 | 405B（3.1） | 110B+ | 8x22B MoE | 未公开 |
| 上下文 | 128K | 128K–1M | 32K–128K | 200K+ |
| 多模态 | 3.2-Vision 11B/90B | VL 版本齐全 | 有限 | 原生多模 |
| 端侧小模型 | 1B/3B | 0.5B–3B | — | — |
| 中文能力 | 中上（需微调更优） | 强 | 一般 | 强 |
| 商用门槛 | 月活>7亿报备 | 宽松 | 宽松 | 按 token 付费 |
| 自托管成本 | 低（可量化） | 低 | 低 | 不适用 |
应用场景
- 私有化知识库 / 企业助理：3.3-70B 量化部署内网，接 RAG 不走公网。
- 端侧 App：3.2-1B/3B 跑手机摘要、日程提取、本地翻译。
- 代码助手：3.1-8B 本地补全，405B 做复杂重构评审。
- 多语客服：3.1 八语对齐，做跨语言工单分类与回复草稿。
- 合成数据与蒸馏：用 405B 产 SFT 数据，蒸馏到 8B 做线上轻量模型。
- 视觉文档抽取：3.2-90B Vision 读扫描合同、报表、白板图。
- 科研复现：开放权重可复现实验、做探针分析、改架构 ablation。