1. 首頁 > 生活百科 > >

Llama 4造假丑聞幕后：小扎豪賭143億，卻為中國AI「做了嫁衣」

人工智能metaopenaideepseekminimax

Llama 4造假丑聞幕后：小扎豪賭143億，卻為中國AI「做了嫁衣」

文章圖片

Llama 4造假丑聞幕后：小扎豪賭143億，卻為中國AI「做了嫁衣」

文章圖片

Llama 4造假丑聞幕后：小扎豪賭143億，卻為中國AI「做了嫁衣」

文章圖片

Llama 4造假丑聞幕后：小扎豪賭143億，卻為中國AI「做了嫁衣」

文章圖片

Llama 4造假丑聞幕后：小扎豪賭143億，卻為中國AI「做了嫁衣」

文章圖片

Llama 4造假丑聞幕后：小扎豪賭143億，卻為中國AI「做了嫁衣」

文章圖片

編輯：艾倫 定慧
【新智元導讀】Llama4性能造假丑聞 ， OpenAI燒錢的速度遠超過了盈利能力；另外一方面：國產模型憑借足夠強大的性能與超高性價比 ， 迅速占領了國際開源模型市場 。 是時候再次為國產AI鼓掌了！
今年 ， 全球AI界見證了兩座「燈塔」的同時動搖 。
首先是開源世界的燈塔轟然倒塌 。
Meta的Llama 4被曝出評測性能造假 ， 這場令人大跌眼鏡的丑聞 ， 讓其耗費巨資打造的開源領導者形象蒙上了一層難以洗刷的陰影 。
Llama 3.1成為Meta引領開源模型的最后榮光 ， Llama 4的模型排名甚至不如Llama 3.1 。

LMArena排行榜最新數據
丑聞爆出后 ， 小扎如坐針氈 ， 顏面盡失 ， 立即著手開啟了大刀闊斧的改革 ， 發起了一系列聲勢浩大的挖角大行動 ， 用上億美元的高薪不斷從OpenAI等競爭對手挖來頂尖AI人才 ， 試圖用錢來砸出一個能讓Meta一雪前恥的最強大的Llama 5 。

緊接著 ， 閉源世界的燈塔也開始搖晃 。
OpenAI的CFO竟公開尋求美國政府為其高達1.4萬億美元的算力計劃「兜底」 ， 此言一出 ， 市場恐慌 。 美國科技股一夜應聲蒸發5000億美元 ， 華爾街用腳投票 ， 表達了對這個萬億估值泡沫的深切憂慮 。
一個嚴峻的現實擺在了全世界面前：全球AI的發展 ， 正陷入一個巨大的「真空地帶」 。
海外開源的模型被證明不可靠 ， 而頂尖的閉源模型又昂貴得像一場看不到盡頭的豪賭 。
市場需要一股新的力量——既要性能強大 ， 又要價格實惠 ， 更要商業上可持續 。
中國的AI力量 ， 恰如其分地在國際舞臺迅速爆發 ， 滿足全世界的剛需 。
這些強大的國產開源模型甚至得到了國外AI圈的盛贊：「是中國拯救了開源模型！」（China saved open-source LLMs）

當全球開發者們在Llama 4的廢墟上失望地尋找下一個「救星」時 ， 他們看到了DeepSeek、MiniMax、Kimi、智譜這些冉冉升起的中國旗幟 。
這并非偶然的后來居上 ， 而是一場更務實的、用中國效率來填補全球需求真空的行動 。

中國AI的全球滲透
面對全球市場的真空 ， 中國AI的答案并非單一維度的猛攻 ， 而是全方位、多模態的圍剿 。
首先 ， DeepSeek的爆火 ， 讓全球看到了AI原來可以成為如水電般的「基礎設施」 。
DeepSeek專注于「推理優先」的文本核心能力 ， 通過極致的開源和極低的價格 ， 讓全球開發者都能「隨處可得」——借助Azure、GitHub等全球分發渠道 ， 與企業主流工作流無縫對接 ， 迅速成為開發者社區中一個繞不開的「標準」 。
DeepSeek的目標 ， 后來也成功做到了 ， 就是讓AI的準入門檻降低 。

DeepSeek研究成果登上《Nature》封面
如DeepSeek拓寬了AI應用的廣度 ， MiniMax的技術積累和商業布局同樣亮眼 。
相比于DeepSeek、Kimi和智譜 ， MiniMax代表了另一條路徑——多模態同時發力 。
在多模態模型研發方面 ， MiniMax自主研發了語音、視頻和音樂模型 ， 并在今年六月與十月的技術發布周中展示了相關成果 。
其視頻生成模型被海外創作者用于制作「貓跳水」等短視頻 ， 在全球社交平臺上獲得了超過3億次觀看 ， 催生了以動物角色為主角的「動物奧運會」等AI視頻創作趨勢 。
10月底發布的M2 ， 在OpenRouter這個全球最大的模型聚合平臺上的成績 ， 則證明了其在文本模態上的實力 。
從日調用量的增速來看 ， 自發布以來增長迅速 。
免費期間 ， Token日調用量達到50B ， 開通Coding Plan付費之后 ， 付費日調用量也很快增至50B 。


足夠強大的性能 ， 加上極致的性價比 。
M2將價格壓至海外同級別模型的10%以下 ， 也成為了全球企業和開發者工具箱中的首選的「工程刀」 。

以DeepSeek和MiniMax為代表的中國AI ， 形成了一股強大的合力 。
前者負責把使用門檻降到地板 ， 而后者進一步把優勢范圍擴大 ， 讓中國模型在全球范圍內 ， 從「備選項」強勢崛起為「必選項」 。

拒絕「燒錢」的極致效率
成為「必選項」的前提 ， 需要建立在兩個堅實的基礎之上：極致的效率和健康的商業閉環 。
這正是中國模式與硅谷「燒錢」模式的根本區別 。
與DeepSeek專注技術研發的另一個不同之處在于 ， MiniMax在技術布局的同時 ， 也在進行產品布局 。
建立在極具性價比的技術之上 ， 產品能夠進一步放大這種優勢 。
「花小錢 ， 辦大事」是中國AI效率的代名詞 。
在算力客觀受限的環境下 ， 中國工程師們爆發出了驚人的算法創新潛力 。
DeepSeek以低成本高性能聞名 ， 其研究成果登上《Nature》封面 ， 為中國開源模型的「低成本傳說」贏得了國際權威的認可 。
而MiniMax的效率同樣令人難以置信：6月發布的MiniMax M1模型 ， 強化學習階段僅用512塊H800訓練三周 ， 租賃成本僅54萬美元 ， 訓練成本不足OpenAI同類模型的1% 。

這種極致的成本控制 ， 直接轉化為價格優勢；體現在產業側的 ， 就是「單位智能成本」 。
MiniMax M2僅有230B總參數和10B激活量 ， 僅用海外模型三分之一的參數量 ， 實現了更好的智能效果和更高的性價比 ， 在最復雜的編程場景可用 ， 好用 。
當M2的價格僅為性能相近的Claude Sonnet 4.5的8% ， 這種極致的性價比本身 ， 就是一種足以顛覆全球市場格局的、最強大的「武器」 。

海外科技媒體《The Information》報道
能持續留在牌桌上 ， 還需要健康的「自我造血」能力 。
在這方面 ， 中國AI走出了更為清晰的路徑 。
DeepSeek實現了從技術打入社區 ， 以及企業部署服務的基礎設施路線 ， 通過免費和極低價的開源模式 ， 為全球企業提供API ， 助力項目落地實現商業化 。
【Llama 4造假丑聞幕后：小扎豪賭143億，卻為中國AI「做了嫁衣」】MiniMax在B端和C端構建了「模型—產品—收入」的閉環 。
MiniMax自研的多模型均做到了全球領先 ， 且可以以產品化的形式來直接服務用戶 ， 通過To C應用Talkie、海螺AI、MiniMax Agent等 ， 將模型能力高效轉化為現金流 ， 再反哺更大規模的模型訓練 。
OpenAI與MiniMax類似 ， 在商業模式上同樣選擇「模型+產品」的打法 ， 但在模型迭代上極度依賴外部巨額輸血 ， 可持續性需要打一個問號 ， 而能否自我輸血 ， 才是AI企業的下一個決勝點 。

AI本身不是泡沫
但AI不能造神
科技的浪潮 ， 終將沖刷掉泡沫 ， 留下真正的價值 。
當信仰Scaling Law的硅谷巨頭們遭遇萬億資本支出的現實困境時 ， 世界開始重新思考通往AGI的更優路徑 。
被低估的中國AI用「極致效率」和「商業閉環」 ， 給出了一個全新的答案：通往未來的路 ， 不只有一條燒錢的獨木橋 ， 還有一條精打細算、步步為營的陽關道 。
正如谷歌曾用開源定義了軟件工程的黃金時代 ， 今天的中國力量正在用一種更務實、更普惠的方式 ， 以海外AI企業的「百倍ROI」定義著AI應用的全新紀元 。
中國如今成為AI生態的中流砥柱 ， 請世界人民不要雙標 ， 拋開傲慢與偏見 ， 把同樣熱烈的掌聲 ， 送給聰明又努力的中國算法工程師 ， 送給為中國崛起和全球繁榮而不懈奮斗的普通人 ， 也送給對AI保持關注與包容的你 。

    推薦閱讀