4月6日，Meta发布最新大模型Llama-4，包含Scout、Maverick和Behemoth三个版本。Llama-4-Maverick在LMArena的排行榜一度排名第二，但随后因疑似刷榜行为遭质疑。4月8日，Chatbot Arena确认Meta提供的是“特供版”，修正后模型排名跌至32位。原排名第二的“Llama-4-Maverick-03-26-Experimental”为实验性聊天优化版本，而修正后的开源版本“Llama-4-Maverick-17B-128E-Instruct”表现不佳。Meta解释称实验版优化对话性，在LM Arena表现较好。尽管LM Arena并非权威指标，但此事件引发对模型评估标准的关注。Meta表示将关注开源版本的实际应用反馈。