Mark Zuckerberg：未来 18 个月内，AI 将编写 Meta 的大部分代码

Zuckerberg 将 Llama 4 描述为分阶段发布的一组模型，而非一次性推出单个模型。Meta 宣布了四款模型，最初发布 Scout 和 Maverick，目标是打造高效、低延迟、原生多模态、能在单台主机上运行的系统。公司还在准备一款 80 亿参数模型，内部代号为 Little Llama，以及参数量超过 2 万亿、达到前沿规模的 Behemoth。Behemoth 大到 Meta 必须先建设基础设施才能自行进行后训练；开发者将如何使用它，或能否把它蒸馏成实用规模，仍有待探索。

访谈开头也提到 Meta 更广泛的产品愿景：Meta AI 每月用户已接近 10 亿。Zuckerberg 预计，随着系统结合用户的信息流、个人资料、社交关系图谱和直接 AI 互动，个性化会变得更重要。这一愿景既取决于持续改进模型，也取决于从用户行为中学习；这是公司的战略和预测，并非访谈中独立测量出的结果。

Dwarkesh 提到一种看法：开源模型已经落后于闭源模型，并指出 Maverick 在 Chatbot Arena 的排名和基准测试表现。Zuckerberg 则认为开源生态变得更多样，并预测开源模型可能成为使用最广泛的一类模型。他也看到模型日益专业化：推理模型会在困难任务上投入更多推理时计算，而许多消费级应用更看重速度和单位成本带来的智能水平。Meta 正在开发 Llama 4 推理模型，但预计两种路线都会有市场。

Zuckerberg 不认为公开基准能完整衡量用户价值。他说，测试可能偏重普通用户很少执行的任务，也可能被刷分：Meta 可以把某个 Maverick 版本专门调优到高排名，但实际发布的模型并没有针对 Arena 调优。因此，Meta 表示会以自家产品中用户反馈和使用行为所体现的价值为优化目标，也可能直接测试其他模型。这种做法让评估紧扣产品应用，但也使成功标准更依赖公司自身、与其他实验室更难直接比较。