แพลตฟอร์มเมตาสต็อกเจ็ดอันงดงาม (NASDAQ 🙂 สร้างหัวข้อข่าวในต้นเดือนเมษายนเนื่องจาก บริษัท ประกาศเปิดตัวโมเดลภาษาขนาดใหญ่รุ่นต่อไป (LLM), Llama 4, โมเดลภาษาขนาดใหญ่โอเพ่นซอร์สของ บริษัท เป็นส่วนหนึ่งของกลยุทธ์ระยะยาวที่จะกลายเป็นผู้เล่นที่โดดเด่นใน AI ยักษ์ใหญ่ด้านเทคโนโลยีได้เปิดตัว Llama 4 Scout และ Llama 4 Maverick จนถึงขณะนี้ในขณะที่ Llama 4 Behemoth ยังอยู่ในระหว่างการพัฒนา
ดังนั้นการแสดงของ Llama 4 เปรียบเทียบกับคู่แข่งได้อย่างไร? LLAMA 4 ตำแหน่งเมตาในภูมิทัศน์ LLM และสามารถเพิ่มหุ้นของ Meta ในระยะยาวได้อย่างไร
Llama 4 เริ่มต้นที่สั่นคลอน
ในการแถลงข่าวของ Meta ซึ่งมีรายละเอียดสามรุ่นในฝูง Llama 4 “Herd” บริษัท อ้างว่ามีประสิทธิภาพที่น่าประทับใจ ในระยะสั้นมันแสดงให้เห็นว่าโมเดล Llama 4 ต่าง ๆ มีประสิทธิภาพสูงกว่ารุ่นนำที่เทียบเท่าในเกือบทุกมาตรฐานที่ผ่านการทดสอบ
นอกจากนี้ Llama 4 Maverick ได้รับการจัดอันดับให้เป็นอันดับสองในบรรดาทุกรุ่นบนลีดเดอร์ LM Arena ลีดเดอร์บอร์ดนี้มักใช้เพื่อแสดงว่าโมเดลที่แตกต่างกันแข่งขันกันอย่างไรกับการรับรู้คุณภาพการตอบสนองที่มนุษย์รับรู้ได้อย่างไร
อย่างไรก็ตามมีการเปิดเผยอย่างรวดเร็วว่าแบบจำลองที่ใช้ในการทดสอบ LM Arena ไม่ใช่รุ่นเดียวกับที่ Meta ปล่อยสู่สาธารณะ นักพัฒนาซอฟต์แวร์ปรับรุ่นรุ่นนี้ให้ทำงานได้ดีเป็นพิเศษในการทดสอบของ LM Arena ด้วยความผิดพลาดนี้ได้รับการแก้ไขแล้ว Maverick ได้จัดอันดับให้เป็นรุ่นที่ดีที่สุดอันดับที่ 35 บนกระดานผู้นำ
โดยรวมแล้วหลายคนรู้สึกผิดหวังในลามะ 4 เมื่อพวกเขาทดสอบการแสดงเป็นรายบุคคล นอกจากนี้การวิเคราะห์เทียมจัดอันดับ Maverick และ Scout ต่ำกว่ารุ่นที่พัฒนาโดย OpenAI และตัวอักษร (NASDAQ 🙂 ในดัชนีข่าวกรองของพวกเขา พวกเขายังอยู่ในอันดับที่ต่ำกว่าโมเดลของ Deepseek อย่างไรก็ตาม Llama 4 มีประสิทธิภาพที่ดีกว่า Llama 3 โดยรวมรุ่น Llama ที่มีอยู่ในปัจจุบันไม่ได้ถูกมองว่าเป็นการแสดงที่ทันสมัยที่สุดหรือมีประสิทธิภาพสูงสุด อย่างไรก็ตามนั่นอาจไม่สำคัญ
ลามะ 4: ราคาต่อประสิทธิภาพเป็นภาพที่น่าสนใจ
รุ่น Llama 4 โดดเด่นสำหรับอัตราส่วนต้นทุนต่อประสิทธิภาพที่แข็งแกร่ง Intelligence การวิเคราะห์เทียมกับเมทริกซ์ราคาประเมินว่าโมเดลภาษาขนาดใหญ่ (LLMS) สมดุลสติปัญญาด้วยต้นทุนที่วัดได้จากราคาต่อโทเค็นอย่างไร ในบริบทนี้โทเค็นแสดงถึงหน่วยพื้นฐานของข้อความมักจะเป็นคำหรือบางส่วนของคำว่าโมเดลกระบวนการ โทเค็นที่ประมวลผลแต่ละโทเค็นต้องใช้ทรัพยากรการคำนวณซึ่งในที่สุดก็แปลเป็นค่าใช้จ่าย
การรักษาค่าใช้จ่ายต่อโทเค็นต่ำเป็นสิ่งสำคัญมากสำหรับธุรกิจที่ใช้ AI ต้นทุนที่ลดลงต่อโทเค็นช่วยให้พวกเขาสามารถประมวลผลข้อมูลเพิ่มเติมในราคาเดียวกัน การได้รับผลลัพธ์ที่มีคุณภาพก็สำคัญมากเช่นกัน ดังนั้นการค้นหาความสมดุลที่เหมาะสมระหว่างความฉลาดและราคาจึงเป็นสิ่งจำเป็น ในเมทริกซ์นี้ Maverick และ Scout ทำงานได้ดีมีราคาน้อยมากต่อโทเค็น แต่ยังคงให้ประสิทธิภาพที่ดีกับรุ่นอื่น ๆ อีกมากมายรวมถึง Llama 3
ทั้งหมดนี้มีความหมายอย่างไรสำหรับหุ้นของแพลตฟอร์ม Meta?
โมเดลของ Meta ไม่ใช่ขั้นสูงที่สุด อย่างไรก็ตามรุ่น Llama 4 นั้นแข็งแกร่งและคุ้มค่า สิ่งนี้จะเป็นประโยชน์ต่อธุรกิจของ Meta อย่างมากในระยะยาว นี่เป็นเรื่องจริงโดยเฉพาะอย่างยิ่งสำหรับธุรกิจโฆษณาของ บริษัท Meta สามารถใช้ Llama 4 เพื่อเพิ่มความสามารถของเครื่องมือเช่น Advantage+ Creative
นี่คือเครื่องมือที่ผู้โฆษณาใช้ในการสร้างข้อความ AI-Optimized รูปภาพและวิดีโอสำหรับโฆษณา การปรับปรุงของ Llama 4 สามารถช่วยให้โฆษณาเหล่านี้มีประสิทธิภาพยิ่งขึ้นเพิ่มมูลค่าโดยรวมของการใช้แอพของ Meta สำหรับการโฆษณา
นอกจากนี้ราคาที่ต่ำกว่าของ Meta ต่อโทเค็นเมื่อเทียบกับ Llama 3 สามารถช่วยให้คำแนะนำเหล่านี้ได้ในราคาที่ต่ำกว่า
Llama 4 จะใช้พลังงาน Meta AI Meta ได้สร้างผู้ช่วย AI นี้ลงในแอพ WhatsApp, Messenger และ Instagram ความสามารถที่เพิ่มขึ้นของ Meta AI เนื่องจาก Llama 4 ควรช่วยขับเคลื่อนการใช้คุณสมบัติ Meta AI นอกจากนี้ต้นทุนโทเค็นที่ต่ำกว่าของ Llama 4 เมื่อเทียบกับ Llama 3 ควรลดต้นทุนเพิ่มอัตรากำไรขั้นต้นเมื่อเวลาผ่านไป Meta สามารถเริ่มสำรวจการสร้างรายได้โดยตรงของ Meta AI ในต้นปี 2569
จากรายงานรายได้ล่าสุด Meta AI มีผู้ใช้ 700 ล้านคน บริษัท มักจะสร้างรายได้จากผลิตภัณฑ์เมื่อผู้ใช้ถึง 1 พันล้าน Llama 4 ควรช่วยเพิ่มประสิทธิภาพของแคมเปญการสร้างรายได้เมตา AI
แม้ว่าบางคนรู้สึกผิดหวังกับ Llama 4 แต่การอัปเดตดูเหมือนจะเป็นขั้นตอนในทิศทางที่ถูกต้องสำหรับธุรกิจโดยรวม อาจเป็นส่วนเสริมของหุ้นในระยะยาวอย่างมีนัยสำคัญ บริษัท จะเป็นเจ้าภาพ Llamacon ในวันที่ 29 เมษายนซึ่งสามารถเปิดเผยรายละเอียดที่น่าตื่นเต้นเกี่ยวกับครอบครัว LLM
คำแนะนำการอ่านบทความนี้ : บางบทความในเว็บไซต์ ใช้ระบบแปลภาษาอัตโนมัติ คำศัพท์เฉพาะบางคำอาจจะทำให้ไม่เข้าใจ สามารถเปลี่ยนภาษาเว็บไซต์เป็นภาษาอังกฤษ หรือปรับเปลี่ยนภาษาในการใช้งานเว็บไซต์ได้ตามที่ถนัด บทความของเรารองรับการใช้งานได้หลากหลายภาษา หากใช้ระบบแปลภาษาที่เว็บไซต์ยังไม่เข้าใจ สามารถศึกษาเพิ่มเติมโดยคลิกลิ้งค์ที่มาของบทความนี้ตามลิ้งค์ที่อยู่ด้านล่างนี้
Source link
