大型语言模型 (LLM) 的领域已经见证了一场重大的变革，谷歌正在成为一个杰出的参与者，而Meta和OpenAI正面临着显著的挑战。最初，OpenAI凭借其开创性的GPT模型在这一领域占据主导地位，为LLM的性能设定了新的基准。Meta也通过提供开放权重模型获得了相当大的地位，这些模型拥有令人印象深刻的能力，并允许不受限制地使用、修改和部署其公开可用的代码。
然而，这种早期的主导地位让包括谷歌在内的其他科技巨头只能奋起直追。尽管谷歌在2017年发表了一篇关于支撑LLM的Transformer架构的关键研究论文，但该公司最初的努力却因2023年备受批评的Bard发布而黯然失色。
最近，随着谷歌推出强大的新LLM，加上Meta和OpenAI所经历的挫折，形势已经发生了转变。这种转变极大地改变了LLM领域的动态。
Meta的Llama 4：一个失误？
Meta在4月5日星期六意外发布Llama 4，引起了整个行业的关注。
在周末发布一个主要模型的决定被认为是不合常规的，导致了反响平平，并使该公告淹没在随后一周的新闻流中。
虽然Llama 4拥有某些优势，包括其多模态能力（处理图像、音频和其他模态）以及其三种版本（Llama 4 Behemoth、Maverick和Scout），具有不同的尺寸和优势，但其推出受到了批评。特别是Llama 4 Scout版本，具有高达1000万个token的巨大上下文窗口，使模型能够在单个会话中处理和生成大量的文本。
然而，当Meta在LMArena（一个基于用户投票对LLM进行排名的平台）上的排名方法出现差异时，该模型的声誉开始变差。人们发现，用于排名的特定Llama 4模型与向公众提供的模型不同。LMArena表示，Meta提供了’一个定制模型来优化人类偏好’。
此外，Meta关于Llama 4 Scout的1000万token上下文窗口的说法也受到了质疑。尽管这个数字在技术上是准确的，但基准测试显示，Llama 4在长上下文性能方面落后于竞争模型。
更令人担忧的是，Meta没有发布Llama 4的’推理’或’思考’模型，也没有发布较小的变体，尽管该公司已表示即将推出推理模型。
AI咨询公司Gradient Flow的创始人Ben Lorica指出，Meta偏离了更系统发布的标准做法，在这种做法中，所有组件都已完全准备好。这表明Meta可能急于展示一个新模型，即使它缺乏基本元素，如推理模型和较小的版本。
OpenAI的GPT-4.5：过早的退却
OpenAI最近几个月也面临着挑战。
GPT-4.5于2月27日作为研究预览发布，被誉为该公司’迄今为止最大的、最好的聊天模型’。OpenAI的基准测试表明，GPT-4.5总体上优于其前身GPT-4o。
然而，该模型的定价结构受到了批评。OpenAI将API访问价格定为每百万输出token 150美元，与GPT-4o每百万token 10美元的价格相比，惊人地增长了15倍。API使开发人员能够将OpenAI模型集成到他们的应用程序和服务中。
Life Architect的AI顾问兼分析师Alan D. Thompson估计，GPT-4.5可能是2025年第一季度发布的最大传统LLM，大约有5.4万亿个参数。他认为，鉴于当前的硬件限制，如此巨大的规模难以证明是合理的，并且在为庞大的用户群提供服务方面构成了重大挑战。
4月14日，OpenAI宣布决定在不到三个月后停止通过API访问GPT-4.5。虽然GPT-4.5将保持可访问性，但它将仅限于通过ChatGPT界面向ChatGPT用户提供。
该公告恰逢GPT-4.1的推出，这是一种更经济的模型，定价为每百万token 8美元。OpenAI的基准测试表明，GPT-4.1的整体能力不如GPT-4.5，尽管它在某些编码基准测试中表现出优越的性能。
OpenAI最近还发布了新的推理模型o3和o4-mini，其中o3模型表现出特别强大的基准性能。然而，成本仍然是一个令人担忧的问题，因为访问o3的API价格为每百万输出token 40美元。
谷歌的崛起：抓住机遇
Llama 4和ChatGPT-4.5褒贬不一的评价为竞争对手创造了可乘之机，他们也抓住了这个机会。
Meta陷入困境的Llama 4发布不太可能阻止开发人员采用DeepSeek-V3、谷歌的Gemma和阿里巴巴的Qwen2.5等替代方案。这些LLM于2024年末推出，已成为LMArena和HuggingFace排行榜上首选的开放权重模型。它们在流行的基准测试中与Llama 4匹敌或超过Llama 4，提供负担得起的API访问，并且在某些情况下，可以下载并在消费级硬件上使用。
然而，真正引起关注的是谷歌最先进的LLM，Gemini 2.5 Pro。
谷歌Gemini 2.5 Pro于3月25日推出，是一种类似于GPT-o1和DeepSeek-R1的’思考模型’，采用自我提示来推理完成任务。Gemini 2.5 Pro是多模态的，具有一百万个token的上下文窗口，并支持深入的研究。
Gemini 2.5迅速取得了基准测试的胜利，包括在SimpleBench中名列前茅（尽管它在4月16日将该位置让给了OpenAI的o3）以及在Artificial Analysis的综合AI Intelligence Index中名列前茅。Gemini 2.5 Pro目前在LMArena上占据首位。截至4月14日，谷歌模型占据了LMArena前10名中的5个位置，包括Gemini 2.5 Pro、三个版本的Gemini 2.0和Gemma 3-27B。
除了其令人印象深刻的性能外，谷歌还是价格领导者。谷歌Gemini 2.5目前可以通过谷歌的Gemini应用程序和谷歌的AI Studio网站免费使用。谷歌的API定价也具有竞争力，Gemini 2.5 Pro的定价为每百万输出token 10美元，Gemini 2.0 Flash的定价仅为每百万token 40美分。
Lorica指出，对于大容量推理任务，他经常选择DeepSeek-R1或谷歌Gemini，而使用OpenAI模型则需要更仔细地考虑定价。
虽然Meta和OpenAI不一定处于崩溃的边缘，但OpenAI受益于ChatGPT的普及，据报道ChatGPT拥有10亿用户。然而，Gemini强大的排名和基准性能表明LLM领域正在发生转变，目前更倾向于谷歌。
总的来说，LLM领域的竞争日趋激烈，各家公司都在不断推出新的模型和功能，以争夺市场份额。谷歌凭借其Gemini 2.5 Pro的强大性能和具有竞争力的价格，正在迅速崛起，并对Meta和OpenAI的领先地位构成挑战。未来的发展将取决于各家公司能否持续创新，并满足用户不断变化的需求。
值得关注的是，除了模型本身的性能，API的定价和易用性也在开发者的选择中扮演着越来越重要的角色。谷歌的Gemini系列不仅在性能上有所突破，还在API定价上采取了更具竞争力的策略，这无疑会吸引更多的开发者加入谷歌的生态系统。
此外，长上下文窗口的LLM也越来越受到重视。Llama 4 Scout虽然在1000万token的上下文窗口上遇到了挑战，但也反映了行业对处理更长文本序列的需求。Gemini 2.5 Pro的100万token上下文窗口以及对深入研究的支持，使其在处理复杂任务时具有优势。
然而，LLM领域的发展不仅仅是技术上的竞争，也涉及到伦理和社会责任。例如，在使用LLM进行推理和决策时，如何确保其公正性和避免偏见是一个重要的议题。此外，LLM的滥用也可能带来虚假信息和恶意攻击等问题。
因此，未来的LLM发展需要更加注重伦理和社会责任，确保技术的进步能够真正造福社会。各家公司需要在技术研发的同时，积极参与伦理标准的制定和监管，共同推动LLM的健康发展。
总而言之，LLM领域正处于一个充满活力和变革的时期。谷歌的崛起、Meta和OpenAI的挑战、API定价的竞争、长上下文窗口的需求以及伦理和社会责任的关注，都将影响着LLM的未来发展方向。我们可以期待，在各家公司的共同努力下，LLM将能够为我们带来更多的创新和进步。