像一个人的学习成长一样，每个全新的大模型，都需要从大量的文本中学习 “知识”，才有能力去解决一个个问题。

Google 训练 70 亿参数的 Gemma 开源模型，让它 “看过” 6 万亿 Token（6 万亿个词）的文本。微软投资的 Mistral 训练 73 亿参数模型，“看过” 8 万亿个  Token 的文本。

用如此大规模的数据训练参数不到 100 亿的模型，已经是行业中比较重的方法。按照 DeepMind 研究人员提出的策略，如果考虑性价比，这么大的模型，看 2000 亿 Token 的文本就够了。不少中国一线创业公司的同等规模大模型只用了 1 万亿～2 万亿个 Token 的文本。

Meta 的 CEO 马克·扎克伯格（Mark Zuckerberg）不满足于此，他直接把下一代开源大模型送进了 “县中”，用更多习题拔高能力。Meta 昨夜推出的 Llama 3 系列大模型，80 亿参数模型用了 15 万亿 Token 的训练数据，比 Google 的多学了一倍还不止，是很多小公司产品的十倍。

根据 Meta 公布的数据，在 5 个常用大模型能力评估测试集上，它新发布的 80 亿参数模型和 700 亿参数模型，得分基本都比同级竞争对手高。尤其是 80 亿参数的 Llama 3，各项评测得分大幅超过 Google 和 Mistral 开发的同级别模型，数学、编程能力翻倍。Meta 称它们是目前 “功能最强大的、公开可用的大模型”。

Meta 透露，他们还在训练 4050 亿参数的大模型，初步评测得分达到 GPT-4 水平。这则消息帮 Llama 3 获得大量关注。英伟达高级研究经理 Jim Fan 说，Meta 让开源社区得到 GPT-4 级别的大模型会是一个行业分水岭，将改变许多研究工作和创业公司的经营状况。

OpenAI 原资深研究科学家安德烈·卡帕蒂（Andrej Karpathy）认为，80 亿参数的 Llama 3 “会非常受欢迎”，效果接近参数更多的 GPT-3.5，而且需要的算力低、反应快，甚至可以在手机、电脑上本地运行，“希望大家继承这个趋势，训练和发布用更长时间训练更小的模型。”

打破 Scaling Laws：用超出行业预期的数据和算力训练模型

2020 年初，OpenAI 提出大模型的 Scaling Laws，认为在 Transformer 架构中，要提升大模型的效果，需要按照特定比例提高训练大模型的数据量、模型本身的参数以及算力。

这个规律在 OpenAI 随后发布的 GPT-3 中得到验证，他们调整这几个元素的配比，以更低的成本训练出更强的模型。

OpenAI 的接连成功，让 Scaling Laws 成为许多研究者训练大模型的关键指引。按照他们发现的规律，其他训练条件不变，大模型参数每提升 5.3 倍，训练数据量需要提升约 1.9 倍、算力提升 10 倍，是最有性价比的方案。

2022 年，DeepMind 的研究者发布论文，认为这个比例不对，低估了训练数据量的要求。他们认为，算力提高 10 倍，模型参数和训练数据量各提升约 3 倍才更有性价比。DeepMind 的新比例取得更好的效果，成为从业者训练大模型的重要参考。

现在，Meta 又进一步提高训练数据的重要性。根据 Meta 公布的信息，他们训练 80 亿参数的 Llama 3 时，把训练数据提到 15 万亿 Token，是 DeepMind 方案估算的 75 倍，发现模型能力达到 700 亿参数 Llama 2 的水平，大幅超过竞争对手。

Meta 为此付出更多算力——用 H100 训练了 130 万个小时，算力成本预计超过 100 万美元。如果用 5000 张 H100 组成的集群计算，需要不间断训练大概 11 天。而在 Meta 只需要 2 天多，因为它有 2.4 万张 H100 组成的算力集群。而且有两个。

一场小模型竞赛正在进行

根据 Meta 的说法，当前版本的 Llama 3 还没有达到性能极限。“我们一直使用的大语言模型，明显缺乏训练。（训练数据量）可能需要提高 100～1000 倍，甚至更多。” 安德烈·卡帕蒂说。

OpenAI 用 GPT-3.5 和 GPT-4 证明大模型的实力后，许多公司加速追赶的同时，也在研究如何用更低的成本利用大模型。

与传统的软件应用不同，大模型不仅开发起来费钱，运行起来（推理）也会消耗大量算力资源。大模型想要处理用户输入问题，基本要挨个处理文字中的每个字，处理 100 个字的问题，基本就要运行 100 遍大模型。

英伟达把它当作 GPU 销量增长的空间，但对于想用大模型改造业务、创造新商业机会的公司，却是负担。发布 Llama 3 时，Meta 宣布把它整合到旗下每天有数十亿人使用的 Instagram、Facebook 等产品中，如果用参数较大的模型，推理成本根本无法承受。

想要降低成本，最直接的方法是训练参数更小的模型，让用户的手机、电脑直接在本地运行，分担平台的压力。

怎么让更小的模型有更好的效果，成了大模型公司们的竞争焦点。过去一年，Google 每次发布大模型，都会推出参数较小的模型。Anthropic 发布 Claude 3 系列时也采用类似的做法。不过它们没有详细公布小模型的参数，以及如何让小模型有更好的能力。

根据 The Information 报道，微软选择利用 GPT-4 生成高质量数据，训练更小的模型，以降低部署大模型应用的成本。

Meta 训练 Llama 3 的方法截然不同，但最适合它。为了应对 TikTok 的竞争，Meta 在 2022 年采购了大量 H100，用于训练更强的内容推荐模型，为它奠定算力优势。

为了训练 Llama 3，Meta 动用了两个 2.4 万张 H100 组成的训练集群，今年计划把 H100 数量推到 35 万张——每张 30000 美元。大部分互联网巨头也只有数万张 H100，而且不少还会对外出租。

Meta 接下来大概率会沿着相同的方向，继续做更小的模型。“80 亿参数的模型，对于很多场景来说还不够小。” 扎克伯格接受采访时说，“我很想看到一个 10 亿参数，甚至 5 亿参数的模型，看我们能用它做些什么。”