PulseAugur
中
实时 22:37:50
Русский(RU) «llama 4 scout 17b»: 10 млн контекста на бумаге, 1–2 млн по факту - где ломается длина

Meta的Llama 4 Scout 17B难以兑现1000万上下文的承诺

作者 PulseAugur 编辑部 · [1 个来源] ·

Meta于2025年4月发布的Llama 4 Scout 17B模型，声称拥有1000万token的上下文窗口，但在一年后，其实际应用面临局限。尽管该模型的配置在技术上支持这一长度，但其训练数据仅限于256,000 token，且大多数层运行的上下文窗口为8,192 token。实际性能受硬件和特定任务质量的影响，上下文窗口接近100万至200万token，即使达到这一水平也伴随着显著的成本。 AI

影响 凸显了长上下文窗口模型在营销宣传与实际性能之间存在的差距。

排序理由 对已发布模型的性能和局限性进行分析。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Meta的Llama 4 Scout 17B难以兑现1000万上下文的承诺

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
对已发布模型的性能和局限性进行分析。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
model release, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
71 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. dev.to — LLM tag TIER_1 Русский(RU) · Promptra Team ·

    "llama 4 scout 17b": 论文中1000万上下文，实际中100-200万——长度的瓶颈在哪里？

    <p>Десять миллионов токенов контекста - такой цифрой Meta открыла анонс Llama 4 Scout 5 апреля 2025 года. Это тысячи страниц текста в одном промпте: целая кодовая база, архив документов, часы транскриптов, и всё без RAG. Год спустя картина трезвая: обучена модель на контексте 256…

相关实体

相关话题