Meta发布Llama 4.5：405B开源模型，Apache 2.0授权，每百万Token只要0.15美元

开源大模型的价格战，被Meta这一刀砍到了地板。9月1日，Meta正式发布Llama 4.5——一款405B参数的混合专家（MoE）开源模型，最大亮点是每百万Token的输入价格只要0.15美元，比Google Gemini 3.7 Flash便宜5倍，比OpenAI GPT-5.6 Sol便宜整整20倍。与此同时，它把授权协议从过去带有使用限制的Llama社区许可，升级成了完全开放的Apache 2.0。可以说，这是自Llama 3以来开源模型领域最具冲击力的一次发布。

410 tokens/s：目前商用模型里的速度王者

Llama 4.5最直观的卖点，是速度。官方数据显示，在H100 GPU上，它的推理吞吐达到410 tokens/s，不仅超过Gemini 3.7 Flash的340 tokens/s，也把GPT-5.6 Sol的180 tokens/s甩在身后，是目前速度最快的商用级模型。能做到这一点，核心在于架构设计：405B总参数中，每个Token只激活约130B参数，相比同规模密集模型，单次前向计算量减少约68%，这也是它能比很多小参数模型跑得还快的原因。

速度之外，能力也没落下。Llama 4.5支持128K上下文窗口，在FrontierCode 1.1 Main代码基准上拿到42.1分，虽与GPT-5.6 Sol的45.8分有差距，但考虑到16倍的成本优势，这个差距完全在可接受范围内。对于高并发、实时性要求高的场景，Llama 4.5的性价比尤其突出。

Apache 2.0：从”半开放”到”真开放”

和速度、价格同样值得关注的是授权变化。此前Llama系列使用的是Llama社区许可，对月活超过7亿的应用有使用限制，企业商用需要单独找Meta谈授权。这次Llama 4.5改用Apache 2.0协议，意味着使用、修改、商用、再分发都不再受限，也不需要支付任何版税或使用费。

这对企业用户意义重大。过去受数据隐私要求影响、不敢把数据交给闭源API的公司，现在可以放心地把Llama 4.5部署在自己的GPU集群上，微调成适合自身业务的模型。对法律、医疗、金融这类垂直领域来说，Apache 2.0带来的定制自由，价值甚至超过模型本身的跑分。

三种部署方式：从API到本地全都要

Llama 4.5支持三种部署路径：第一种是直接通过Together AI、Fireworks、Groq等API提供商按0.15美元/百万Token调用，适合不想碰GPU基础设施的团队快速试用；第二种是自托管，用vLLM或TensorRT-LLM在自己的H100集群上跑，全精度推理需要8张H100 80GB，4-bit量化则只要4张；第三种是走Groq的LPU硬件，吞吐能到1200 tokens/s，适合对延迟极其敏感的Agent类应用。

企业怎么选？参考标准其实很简单：每天Token处理量低于5000万，用API更划算；超过5000万，自托管更省；有严格数据驻留要求，只能自托管。按照官方测算，一个每天处理1亿Token的企业，用Llama 4.5每天花费约15美元，而用GPT-5.6 Sol要250美元，差距一目了然。

开源模型的每一次降价，都在给闭源API定价施加压力。Llama 4.5把”可以自己部署的开源模型”拉到了与闭源模型正面竞争的价位，接下来压力给到其他模型厂商了——要么拿出更强的能力，要么拿出更低的价格，开源生态的鲶鱼效应，才刚刚开始。