美国当地时间4月18日，Meta发布了备受期待的开源大语言模型Llama3，Llama3提供了8B和70B参数两个尺寸的模型，未来还会发布400B的版本。

Meta在博客中提到，得益于训练技术的改进，在同等参数规模的模型中，Llama3 8B和70B的模型都是最强的。

如上图所示，Llama3 70B的表现甚至超越了谷歌的Gemini Pro1.5以及Anthropic的Claude 3 Sonnet。

Llama3显著降低了错误拒绝率，提高了模型的对齐性，增加了模型响应的多样性。此外，它在逻辑推理、代码生成和指令跟随等方面的能力也大幅提升，整体的可控性也更强。

除了常规的跑分以外，这次Meta还开发了一个更接近真实体验的测试。

Meta的测试中整理了1800个提示词，把这些提示词给到Meta3，Claude Sonnet，Mistral Medium和GPT-3.5这些模型，然后由人来评估这些回答的结果。

结果显示，Llama3 70B指令优化版比Claude Sonnet、Mistral Medium、OpenIA GPT-3.5以及Llama2都要更强一些。

看得出来，Llama3还是很强的，那么，要如何才能体验到这款更强的新模型呢？

在Llama3发布后不久，亚马逊云科技就发布了新闻稿，与此前几次上架到Amazon Bedrock的不一样，这次是上架到了Amazon SageMaker JumpStart上。

Amazon SageMaker JumpStart是亚马逊云科技专门构建的一个机器学习服务，提供预训练的模型、内置算法和预构建的解决方案，帮助用户快速了解评估模型，快速开发AI项目。

通过Amazon SageMaker JumpStart部署Llama 3，过程会相当丝滑。用户在JumpStart后台能看到包括HuggingFace、Meta、Stability.ai等开发商的模型。

Meta标签下提供了多个Llama模型的版本，点击查看Llama3 70B指令优化版，这里有模型的介绍页面，右上角还有显眼的“Deploy”部署按钮。

点击“Deploy”按钮之后，这里可以选择云主机的规格，进行一些主要的设置。最后，就可以点击部署来将其部署到对应的实例上了。

模型部署操作非常简单直白，部署后，用户就可以用自己习惯的方式来进行开发了。

开发过程中，可以使用SageMaker Pipelines、SageMaker Debugger或容器日志等功能，来提升模型性能和并实施MLOps控制。

由于以上这些操作都是在亚马逊云科技的平台上完成的，无论是模型本身，还是涉及的相关数据，都出于亚马逊云科技提供的安全措施的保护之下。

如果想亲自上手试试如何部署、开发，可以查阅一下亚马逊云科技的技术博客：

https://aws.amazon.com/cn/blogs/machine-learning/meta-llama-3-models-are-now-available-in-amazon-sagemaker-jumpstart/

Meta在博客中表示，未来还将开源更大的400B的版本，目前400B的还在训练中，如果未来某一天Llama3 400B突然发布了，也可以考虑来Amazon SageMaker JumpStart在第一时间上手。

眼下，各种新的更强的大模型还在不断出现，今天的最强可能明天就会被超越，面对大模型技术跃跃欲试的同时，又总会感到迷茫和焦虑。

对此，亚马逊云科技CEO Adam Selipsky说：“事情发展得如此之快，在这种环境中，适应能力是您可以拥有的最有价值的能力。不会有一个统治一切的模型，也肯定不会有一家公司能提供所有人使用的模型。”

既然新技术不断出现，就应该试着去了解更新的技术。

过程中可以考虑利用亚马逊云科技提供的便利的平台和工具，亚马逊云科技一直在做的事情就是让各种技术的使用变得更简单，在大模型面前，Amazon SageMaker JumpStart和Amazon Bedrock都是很好的开始。