大家好，最近AI领域的新闻接踵而至，让人目不暇接。就在7月（23号）晚上，Meta发布了Llama 3.1系列模型，包括8B、70B参数的版本，以及此前提到过的400B参数模型（实际上是405B）。根据Meta官方公布的数据，Llama 3.1 405B参数模型在某些测试数据集上甚至略微胜过了GPT-4。今天，让我们一起来了解Llama 3.1的更新内容，以及如何免费使用这个令人期待的模型。
https://ai.meta.com/blog/meta-llama-3-1/
https://ai.meta.com/blog/meta-llama-3-1/我测试了它写代码能力，让它用python写个贪吃蛇游戏，写代码速度很慢，但是一次成功，下面是它写的代码和，代码运行的效果。
python
import pygame
import sys
import random
# Initialize Pygame
pygame.init()
# Set up some constants
WIDTH, HEIGHT = 800, 600
BLOCK_SIZE = 20
SPEED = 10
# Set up some colors
BLACK = (0, 0, 0)
WHITE = (255, 255, 255)
RED = (255, 0, 0)
GREEN = (0, 255, 0)
# Set up the display
screen = pygame.display.set_mode((WIDTH, HEIGHT))
pygame.display.set_caption("Snake")
# Set up the font
font = pygame.font.Font(None, 36)
# Set up the snake and food
snake = [(200, 200), (220, 200), (240, 200)]
food = (400, 300)
# Set up the direction
direction = "RIGHT"
# Game loop
while True:
# Event handling
for event in pygame.event.get():
if event.type == pygame.QUIT:
pygame.quit()
sys.exit()
elif event.type == pygame.KEYDOWN:
if event.key == pygame.K_UP and direction!= "DOWN":
direction = "UP"
elif event.key == pygame.K_DOWN and direction!= "UP":
direction = "DOWN"
elif event.key == pygame.K_LEFT and direction!= "RIGHT":
direction = "LEFT"
elif event.key == pygame.K_RIGHT and direction!= "LEFT":
direction = "RIGHT"
# Move the snake
head = snake[-1]
if direction == "UP":
new_head = (head[0], head[1] - BLOCK_SIZE)
elif direction == "DOWN":
new_head = (head[0], head[1] + BLOCK_SIZE)
elif direction == "LEFT":
new_head = (head[0] - BLOCK_SIZE, head[1])
elif direction == "RIGHT":
new_head = (head[0] + BLOCK_SIZE, head[1])
snake.append(new_head)
# Check for collision with food
if snake[-1] == food:
food = (random.randint(0, WIDTH - BLOCK_SIZE) // BLOCK_SIZE * BLOCK_SIZE,
random.randint(0, HEIGHT - BLOCK_SIZE) // BLOCK_SIZE * BLOCK_SIZE)
else:
snake.pop(0)
# Check for collision with self or wall
if (snake[-1] in snake[:-1] or
snake[-1][0] < 0 or snake[-1][0] >= WIDTH or
snake[-1][1] < 0 or snake[-1][1] >= HEIGHT):
pygame.quit()
sys.exit()
# Draw everything
screen.fill(BLACK)
for pos in snake:
pygame.draw.rect(screen, GREEN, (pos[0], pos[1], BLOCK_SIZE, BLOCK_SIZE))
pygame.draw.rect(screen, RED, (food[0], food[1], BLOCK_SIZE, BLOCK_SIZE))
text = font.render(f"Score: {len(snake)}", True, WHITE)
screen.blit(text, (10, 10))
pygame.display.flip()
# Cap the frame rate
pygame.time.delay(1000 // SPEED)运行效果如下：
Llama 3.1的主要更新
-
Context Window扩展：Llama 3.1将模型的Context Window从原来的8K tokens扩展到了128K tokens，极大地提升了处理长文和长对话的能力。
-
模型架构：Llama 3.1沿用了Llama 3的基础架构，即使是405B参数的模型也采用标准的decoder-only transformer架构，而非混合专家模型。同时继续使用GQA（分组查询注意力）技术，提高了长文处理能力。
-
性能表现：
- Llama 3.1 405B模型在多个测试数据集上超越了GPT-4o和Claude 3.5 Sonnet等顶级商业闭源模型。
- 8B参数版本优于参数相近的Gemma 2 9B IT和Mistral 7B Instruct。
- 70B参数版本不仅胜过开源模型Mixtral 8x22B，还在多项测试中大幅领先GPT-3.5 Turbo。
-
许可证更新：Meta更新了Llama 3.1的许可条款，允许使用模型输出来改进其他语言模型，但要求训练出的新模型名称必须以"Llama"开头，并标注"Built with Llama"。
-
指令微调：Llama 3.1的Instruct版本根据工具调用进行了微调，并引入了新的iPython角色来接收和记录工具调用返回的数据。
如何免费使用Llama 3.1
在线使用
-
HuggingChat：
- 提供Llama 3.1 405B和70B参数模型的免费使用。
- 用户友好的对话界面，支持对话历史记录和工具调用选择。
- 访问地址：https://huggingface.co/chat/https://huggingface.co/chat/
-
Groq：
- 使用自研LPU进行推理，注册简单（仅需Google账号）。
- 生成速度快，提供免费的OpenAI兼容API。
- 目前对API调用有每日Token限制。api地址：https://console.groq.com/https://console.groq.com/
- groq网址：https://groq.com/https://www.youtube.com/redirect?event=video_description&redir_token=QUFFLUhqa05JR19rSmF3Wm9fZE50YUktZU9QNWw1aVJOUXxBQ3Jtc0tteWRHOVl2WF9lM0FzS1J2eGtnc2hLQ3k5ZkRUZlFJczRNOWV0NTFsQ013MGFlTktyMTV1bTdqbW1OSFRPbW5zUXo4cTRUb043UUt4TEtXZEJxcml4T0dvbkRKVkFqOXBDMk9hTlpWTmJxWnBXRDFiUQ&q=https%3A%2F%2Fgroq.com%2F&v=4oUG_CRmjGY
本地运行
- 提供便捷的模型下载界面和对话窗口。
- 使用llama.cpp进行模型推理，适合无独立显卡的设备。
- 支持不同程度量化的模型版本，如Q4_K_M（推荐），平衡大小和性能。
结语
Llama 3.1的发布无疑是开源语言模型发展的一个重要里程碑。405B参数模型与顶级商业闭源模型的竞争力，以及8B参数模型超越Google Gemma 2 9B的表现，都展示了开源社区的巨大潜力。Meta允许将Llama 3.1用于知识蒸馏，这一决定将进一步推动开源AI社区的蓬勃发展。
让我们一起期待AI技术的持续进步，为更开放、更强大的语言模型贡献力量。
如果您喜欢这篇文章，欢迎点赞订阅我的频道。下期再见，各位兄弟朋友们请多保重！