原贴链接

目前在Chatbot Arena对战中随机出现了异常多的匿名Llama/Meta模型，可以合理假设它们全部或大部分是Llama 4的测试版本。大多数似乎有图像输入能力，并且有些与其他的感觉不同。有人测试过它们吗？ - aurora：由MetaAI开发，支持图像。 - ertiga：Llama，由MetaAI开发，支持图像。 - pinnacle：Llama，由MetaAI开发，支持图像。 - rhea：声称是Llama 3，由Meta AI创建的友好助手。 - solaris：Llama模型，支持图像。 - sparrow：LLaMA（大型语言模型应用），由Meta制造。 - spectra：未披露名称，但由MetaAI创建。支持图像。

讨论总结

该讨论围绕Chatbot Arena上可能出现的Llama 4原型展开。部分用户对这些疑似Llama 4原型的模型持怀疑态度，或认为其表现不佳，也有用户提到其他模型如Nebula、ChatGPT 4.5和Grok 3表现更好。同时还有用户分享自己使用某些模型的体验，也有用户对LLAMA 4表示兴奋。

主要观点

  1. 👍 对声称发现Llama 4持怀疑态度
    • 支持理由：Chatbot Arena可能有前置保护模型会随机化不同公司回应
    • 反对声音：无
  2. 🔥 对可能是Llama 4原型的模型印象不佳
    • 正方观点：相比Nebula、ChatGPT 4.5和Grok 3等模型表现差
    • 反方观点：无
  3. 💡 确认Chatbot Arena上出现的模型可能是Meta模型并指出其特征声明
    • 解释：通过观察发现并列出Meta模型相关情况

金句与有趣评论

  1. “😂 Not necessarily Llama 4, we have discussed this here before.”
    • 亮点：表达对Llama 4发现的怀疑态度
  2. “🤔 I wasn’t impressed by any of them, unlike Nebula, for example.”
    • 亮点：将疑似Llama 4原型模型与Nebula对比表示不满
  3. “👀 Can confirm that these are likely meta models, this is their boilerplate statement that they finetune and that the models will output variants thereof:”
    • 亮点：确认模型可能为Meta模型并指出特征

情感分析

总体情感倾向比较复杂，有对Llama 4的兴奋，但更多是怀疑和负面评价。主要分歧点在于对疑似Llama 4原型模型的评价，可能是因为大家使用不同模型的体验不同以及对各模型的期望不同。

趋势与预测

  • 新兴话题：对chatbot - anonymous是否为GPT - 5的猜测。
  • 潜在影响：如果更多模型被确认或改进，可能会影响人们对不同厂商聊天机器人的选择。

详细内容：

标题：关于 Chatbot Arena 上可能的 Llama 4 原型的热门讨论

在 Reddit 上，一则题为“Possible Llama 4 prototypes on Chatbot Arena”的帖子引发了众多关注。该帖子指出，在 Chatbot Arena 上出现了数量异常多的匿名 Llama/Meta 模型，并且合理推测其中大部分可能是 Llama 4 的测试版本。这些模型多数具备图像输入能力，且感觉有所不同。此帖获得了大量的互动，点赞数和评论数众多。帖子中提到了一系列模型，如“aurora”“ertiga”“pinnacle”“rhea”“solaris”“sparrow”“spectra”等。

讨论焦点与观点分析： 有人表示不能确定这些就是 Llama 4，因为 Chatbot Arena 可能有防护模型随机化响应，且存在幻觉。但也有人指出，通过多次测试不同的简单问题，模型的回答是一致的。有人认为“rhea”友好且使用较多表情符号。还有人觉得 Nebula 表现出色，例如[Economy_Apple_4617]说：“我对它们中的任何一个都没有留下深刻印象，不像 Nebula 那样。”[yustaguy]称：“Nebula 碾压了我所有的测试，太疯狂了。”有人提到“rage”表现一般，也有人对“anonymous chatbot”的格式不太满意。有人质疑 Nebula 是否来自谷歌，还有人称赞“phantom”很好但难以找到。有人觉得“anonymous - chatbot”很聪明且不是来自 Meta，声称来自 OpenAI。

讨论中的共识在于大家都在积极探讨和评估这些模型的表现。特别有见地的观点是关于如何通过多次测试来确定模型的一致性和身份。但对于这些模型的真实来源和性能，仍存在较大的争议。

总之，这场关于 Chatbot Arena 上各种模型的讨论充分展示了大家对新技术的关注和探索，也反映出在这个领域中确定模型身份和评估性能的复杂性。