本杰明·富兰克林曾经写道，除了死亡和税收之外，没有任何东西是确定的。让我修改一下这句话，以反映当前的AI热潮：除了死亡、税收和新的AI模型之外，没有什么是确定的，后面这三者以越来越快的速度出现。
本周早些时候，谷歌发布了升级版的Gemini模型，这个月早些时候，OpenAI推出了o1模型。但是，周三，Meta在公司位于门洛帕克的年度Meta Connect 2024开发者大会上展示了最新的成果。
羊驼的多模态
Meta的多语言羊驼系列模型已经达到了3.2版本，从3.1版本升级到3.2版本表示几个羊驼模型现在是多模态的。Llama 3.2 11B是一个紧凑型模型，而90B是一个更大、功能更强的模型，可以解释图表和图形，为图像加注释，并根据简单的描述准确定位图片中的物体。
例如，给出一张公园的地图，Llama 3.2 11B和90B可能能够回答问题：“这条路径何时会变得更陡峭？”和“这条路径的长度是多少？”或者，提供一张显示一家公司一年内收入情况的图表，这些模型可以迅速找出表现最好的几个月。
对于希望仅将模型用于文本应用的开发人员，Meta表示，Llama 3.2 11B和90B设计成“即插即用”替代品。11B和90B可以在有或没有新的安全工具Llama Guard Vision的情况下部署，该工具旨在检测向模型输入或生成的潜在有害（即偏见或有毒）文本和图像。
在世界大部分地区，多模态羊驼模型可以从Hugging Face、Microsoft Azure、Google Cloud和AWS等多个云平台下载和使用。Meta还将它们托管在官方的羊驼网站Llama.com上，并将它们用于推动其AI助手Meta AI在WhatsApp、Instagram和Facebook上的运行。
但是，欧洲无法访问羊驼3.2 11B和90B。因此，一些在其他地方可用的Meta AI功能，比如图像分析，对欧洲用户不可用。Meta再次归咎于该地区法规环境的“难以预测”性质。
Meta对与AI法案有关的担忧表达了拒绝签署一项自愿安全承诺。欧盟的AI法案规定，开发AI的公司在欧盟承诺判断他们的模型是否可能在“高风险”情况下部署，如执法。Meta担心，其模型的“开放”性质使其无法对模型的使用情况有充分了解，这可能使其难以遵守AI法案的规定。
对Meta而言，GDPR的 provisions 相关于AI训练也是个问题。Meta在不同欧洲国家的用户数据上训练模型，而这些数据在欧洲受到GDPR保障。今年早些时候，欧盟监管机构要求Meta停止对欧洲用户数据进行训练，同时他们评估公司的GDPR合规性。
本月早些时候，Meta表示将在英国用户数据中恢复训练，之后将“整合监管反馈”到修订的退出流程中。但公司尚未就其在欧盟其他地区的训练情况进行更新。
更紧凑的模型
其他新的Llama模型——这些模型不是在欧洲用户数据上训练的——本周在欧洲（以及全球）推出。
Llama 3.2 1B和3B是两个轻量级的纯文本模型，设计用于在智能手机和其他边缘设备上运行，可以用于任务如总结和重写段落（例如在电子邮件中）。Meta表示，经过优化的1B和3B可以在高通和联发科的Arm硬件上运行，并且还可以通过一些配置访问日历应用，从而可以自主执行操作。
与8月发布的旗舰Llama 3.1 405B模型没有后续，无论是多模态还是不是。考虑到405B的巨大规模——训练需要几个月的时间——这很可能是受到计算资源的限制。我们已经询问了Meta是否还有其他因素在起作用，如果有进一步消息，我们将更新本文。
Meta的新的Llama栈，一套以Llama为中心的开发工具，可用于微调所有的Llama 3.2模型：1B、3B、11B和90B。无论如何定制，Meta表示这些模型可以一次处理约10万个单词。
争夺关注
Meta首席执行官马克·扎克伯格经常谈论确保所有人都能获得AI的“好处和机会”。然而，这种言辞中隐含的是一种渴望，即这些工具和模型是由Meta制造的。
投入资金用于训练可以随后实现商业化的模型迫使竞争对手（例如OpenAI、Anthropic）降低价格，将Meta的AI版本广泛传播，并让Meta吸收来自开源社区的改进。Meta声称其羊驼模型已被下载超过3.5亿次，并被Zoom、AT&T和高盛等大型企业使用。
对于许多这些开发人员和公司来说，羊驼模型并非“开放”得最严格的意义上。Meta的许可约束了某些开发人员如何使用它们；有超过7亿月活用户的平台必须向Meta申请特殊许可，Meta将根据自己的决定进行授予。
诚然，没有多少平台的规模达到如此之大，没有自己的内部模型。但Meta在这个过程中并不是特别透明。当我这个月询问公司是否已经批准了一个平台的自愿羊驼许可证时，一位发言人告诉我，Meta“在这个话题上没有什么要分享的”。
毫无疑问，Meta是认真对待的。它正在花费数百万在游说监管机构，让他们接受其首选的“开放”AI的方式，并正在向服务器、数据中心和网络基础设施投入数十亿美元用于训练未来的模型。
Llama 3.2的模型并未解决如今AI的主要问题，例如它倾向于虚构事物并重复有问题的训练数据（例如未经许可使用的受版权保护的电子书，这成为了对Meta的一项集体诉讼的主题）。但正如我之前所写的那样，它们确实推动了Meta的一个关键目标：成为与AI，特别是生成式AI相提并论。
