摘要
30 秒看懂
在这期 2024 年 4 月的短片中，Matthew Berman 介绍 Meta 发布的 Llama 3，并展示两个快速实验：生成 Python 贪吃蛇游戏，以及在 Meta AI 中请求一张机器羊驼图像。这些演示是个别案例，并非系统性基准测试，也不能证明 Llama 语言模型本身能够生成图像。
- 1首批模型Berman 介绍 Meta 的 8B 和 70B Llama 3 预训练及指令微调模型。
- 2训练规模他引用 Meta 对训练数据和 GPU 集群的说明。
- 3两个快速演示他运行生成的贪吃蛇代码并请求一张图像；这些例子并非标准化模型评测。
要点建议
- Meta 于 2024 年 4 月推出 8B 和 70B Llama 3 模型，分别提供预训练版和指令微调版。
- Meta 表示，训练使用了超过 15 万亿个 token，并在两个各有 24,000 个 GPU 的集群上运行。
- Berman 说，他生成的 Python 贪吃蛇游戏在演示中成功运行。
- 机器羊驼图像展示的是 Meta AI 产品功能，不能证明发布的文本模型原生支持图像生成。
- Llama 3 权重依据 Meta 的社区许可提供，该许可包含条件与限制。
全文
按章节阅读整理后的全文
01
介绍 Llama 3
Berman 朗读 Meta 对首批 Llama 3 模型和训练规模的说明。开放的权重受 Meta 社区许可约束。
Matthew Berman 介绍 Meta 于 2024 年 4 月 18 日发布的 Llama 3。Meta 公布了 80 亿和 700 亿参数的模型，分别提供预训练版和指令微调版。这些权重依据 Llama 3 社区许可提供，其中包括某些超大型服务须申请额外许可的条件；“开放权重”不等于使用不受限制。
Berman 引用 Meta 的说明称，训练使用了超过 15 万亿个 token 和两个各有 24,000 个 GPU 的定制集群。这些是 Meta 对首批模型发布所披露的细节。视频标题提到了基准测试，但短片没有展示基准比较，也没有确立综合排名。
02
尝试生成代码和图像
Berman 请求生成 Python 贪吃蛇游戏，并表示它成功运行。随后他通过 Meta AI 请求一张机器羊驼图像。
为了快速测试，Berman 要求助手用 Python 编写贪吃蛇游戏，然后复制并运行生成的代码。他说游戏可以运行，并称这是他见过的较完整的例子之一。这只是一次非正式演示，并非对编程可靠性的受控评估。
Berman 接着让 Meta AI 生成一张机器羊驼的图像，对结果表示满意。这展示了助手的图像功能，不应视作已发布的 Llama 3 文本模型本身是图像生成器的证据。
同频道的其他文章
34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构，并质疑 AI 快速发展与安全之间的张力。
0:26EN → 简体中文Matthew Berman· 2026年10月25日Sam Altman 谈 AI 世界中的人类价值与问题解决Sam Altman · OpenAI在一段简短的访谈摘录中，Altman 思考解决难题的乐趣，以及人在解读结果时的作用。
0:36EN → 简体中文Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原，并对 Kimi K3.1 的测试给予积极评价。
0:21EN → 简体中文Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表，随后发现图中的数字只是示意性占位值。
25:50EN → 简体中文Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测：3D 演示出色，表现不一，价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力，并比较基准成绩与价格。
32:20EN → 简体中文Matthew Berman· 2026年10月23日本地 AI 究竟适合谁？成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权，与硬件成本、设置复杂度及推理速度之间的关系。