TL;DR: Llama — семейство открытых LLM от Meta. Llama 4 (5 апреля 2025) — нативно мультимодальные MoE-модели: Scout (10M контекст, $0.08/1M через OpenRouter) и Maverick (1M контекст, $0.15/1M). Groq обеспечивает 594 токенов/сек для Scout при $0.11/1M. Открытые веса позволяют запускать локально через Ollama, но кодинг-производительность (LiveCodeBench 43.4% у Maverick) уступает специализированным моделям.
Ключевые факты
| Параметр | Llama 4 Scout | Llama 4 Maverick | Llama 3.3 70B |
|---|---|---|---|
| Провайдер | Meta | Meta | Meta |
| Тип | MoE, мультимодальный | MoE, мультимодальный | Dense, текст |
| Параметры | 109B / 17B active | 400B / 17B active | 70B |
| Цена (Groq, ввод) | $0.11/1M | — | $0.59/1M |
| Цена (OpenRouter, ввод) | $0.08/1M | $0.15/1M | — |
| Контекст | 10M токенов | 1M токенов | 128K токенов |
| Open weights | Да | Да | Да |
| Дата релиза | 5 апреля 2025 | 5 апреля 2025 | декабрь 2024 |
Что такое Llama
Meta выпускает Llama как открытые модели с публикацией весов — в отличие от закрытых API OpenAI или Anthropic. Это означает, что модель можно загрузить, запустить на собственном сервере, дообучить под конкретные задачи и использовать без ежемесячной подписки.
История семейства: Llama 1 (февраль 2023) → Llama 2 (июль 2023, с коммерческой лицензией) → Llama 3 (апрель 2024, 8B–405B) → Llama 4 (5 апреля 2025, нативный multimodal). Каждое поколение расширяло возможности при сохранении принципа открытых весов.
Лицензия — Meta Llama 4 Community License: коммерческое использование разрешено, но компании с аудиторией более 700 миллионов активных пользователей в месяц обязаны заключить отдельное соглашение с Meta.
Llama 4: Scout и Maverick
Llama 4 — первое мультимодальное поколение Meta. Обе модели используют Mixture of Experts (MoE) архитектуру: большое суммарное число параметров, но при каждом запросе активна лишь часть. Это снижает вычислительную нагрузку при inference.
Оба варианта поддерживают текст и изображения. Поддерживаемые языки — официально 12: английский, немецкий, французский, испанский, итальянский, португальский, хинди, тайский, индонезийский, арабский, тагальский, вьетнамский. Русский в официальный список не входит.
Llama 4 Scout — 10M контекст
Scout — меньший вариант с нестандартным контекстом: 10M токенов — наибольший показатель среди открытых моделей на момент выхода. 16 экспертов, 17B параметров активны при каждом запросе из 109B суммарных.
В Ollama Scout занимает 67GB — для локального запуска нужно около 80GB VRAM (Mac Studio Ultra с максимальной памятью или два A100 80GB).
Через Groq Scout доступен по $0.11/1M входных токенов со скоростью 594 токена/секунду. Через OpenRouter — $0.08/1M ввод, $0.30/1M вывод.
Llama 4 Maverick — 1M контекст
Maverick — более мощный вариант: 128 экспертов, 17B параметров активны при каждом запросе из 400B суммарных. Контекст 1M токенов. По данным Ollama: LiveCodeBench 43.4%, MMLU Pro 80.5%.
В Ollama Maverick занимает 245GB — для локального запуска нужен кластер как минимум из 3-4 A100 80GB. Через OpenRouter — $0.15/1M ввод, $0.60/1M вывод. На Groq недоступен.
Llama 3.x — предыдущее поколение
Llama 3.x — практичный выбор там, где важен локальный запуск на доступном железе:
- Llama 3.1 8B Instruct (4.7GB в Ollama): работает на GPU 8GB или современном ноутбуке. Через Groq — $0.05/1M ввод, $0.08/1M вывод, скорость 840 токенов/сек.
- Llama 3.3 70B Instruct (~40GB в Ollama в Q4): запускается на Mac M3 Max / двух RTX 4090 в Q4_K_M quantization. Через Groq — $0.59/1M ввод, 394 токена/сек.
- Llama 3.1 405B Instruct: максимум поколения, для локального запуска нужен кластер GPU. Через OpenRouter и Together.ai.
- Llama 3.2 Vision 11B/90B: мультимодальные варианты предыдущего поколения.
Кодинг с Llama
Llama — не специализированная coding-модель. LiveCodeBench для Llama 4 по данным Ollama docs:
| Модель | LiveCodeBench |
|---|---|
| Llama 4 Maverick | 43.4% |
| Llama 4 Scout | 32.8% |
| DeepSeek V3.2 (для сравнения) | 59.3% |
SWE-bench Verified для Llama 4 в проверенных источниках не найден.
Для задач уровня «написать функцию», «отладить блок кода», «разобраться в коде» Llama 3.3 70B справляется с большинством сценариев. Для автономных агентных задач (SWE-bench уровня) результаты будут ниже, чем у Claude или DeepSeek.
Преимущество Llama в coding-контексте — локальный запуск без затрат и fine-tuning под конкретный стек: тысячи community fine-tuned версий под Python, Rust, SQL, Solidity доступны на HuggingFace.
Цены и провайдеры
| Провайдер | Модель | Ввод ($/1M) | Вывод ($/1M) | Скорость |
|---|---|---|---|---|
| Groq | Llama 4 Scout | $0.11 | $0.34 | 594 tok/s |
| Groq | Llama 3.3 70B | $0.59 | $0.79 | 394 tok/s |
| Groq | Llama 3.1 8B | $0.05 | $0.08 | 840 tok/s |
| OpenRouter | Llama 4 Scout | $0.08 | $0.30 | — |
| OpenRouter | Llama 4 Maverick | $0.15 | $0.60 | — |
| Together.ai | Llama 3.3 70B | $0.88 | $0.88 | — |
| Together.ai | Llama 3.1 8B Lite | $0.10 | $0.10 | — |
Groq использует собственный Language Processing Unit (LPU) для ускорения inference. 840 токенов/сек на 8B — быстрее большинства GPU-провайдеров.
Локальный запуск через Ollama
# Установка (macOS/Linux)
curl -fsSL https://ollama.com/install.sh | sh
# Llama 3.1 8B — 4.7GB, достаточно GPU 8GB
ollama run llama3.1
# Llama 3.3 70B — ~40GB, нужен Mac M3 Max или GPU 40GB+
ollama run llama3.3
# Llama 4 Scout — 67GB, нужен ~80GB VRAM
ollama run llama4-scoutТребования по памяти
| Модель | Размер (Ollama) | Минимум VRAM |
|---|---|---|
| Llama 3.1 8B | 4.7GB | 8GB |
| Llama 3.3 70B (Q4) | ~40GB | 40GB |
| Llama 4 Scout | 67GB | ~80GB |
| Llama 4 Maverick | 245GB | кластер 3-4x A100 80GB |
Экосистема
HuggingFace содержит 70+ официальных Meta моделей и тысячи community fine-tuned версий. Крупнейшая экосистема среди открытых LLM.
Groq — аппаратный LPU-ускоритель для Llama. Llama 4 Scout доступен; Maverick на Groq отсутствует.
Together.ai предлагает serverless inference + fine-tuning. Fine-tuning Llama 4 Scout — от $3.00/1M обучающих токенов.
OpenRouter — единый API для всех провайдеров с автоматической маршрутизацией.
llama.cpp — CPU/GPU inference с поддержкой quantization (Q4, Q5, Q8). Q4_K_M Llama 3.3 70B умещается в ~40GB.
Лицензирование
Meta Llama 4 Community License разрешает:
- Коммерческое использование без роялти
- Модификацию, дистрибуцию весов, fine-tuning и производные модели
Ограничения:
- Компании с >700M MAU в месяц должны получить разрешение Meta
- Нельзя использовать для создания конкурирующих фундаментальных моделей
- Требуется сохранять attribution
В отличие от Apache 2.0 (Qwen), это проприетарная лицензия с ограничениями. Для большинства стартапов — не проблема, но стоит изучить перед деплоем.
Кому подходит Llama
Да, стоит использовать:
- Нужен полный контроль над моделью и данными: локальный деплой без зависимости от внешних API
- Строгие требования к конфиденциальности (медицина, юриспруденция, финансы)
- Хотите fine-tune под конкретный домен или стек без лицензионных ограничений для небольших компаний
- Нужна максимальная скорость inference через API (Groq: 840 tok/s на 8B, $0.05/1M)
- Работаете с очень длинными документами (10M контекст у Scout)
- Бюджет жёстко ограничен ($0.08/1M через OpenRouter)
Нет, лучше выбрать другое:
- Нужен русский язык (→ Claude или Qwen, у которого 119 языков)
- Основная задача — сложный coding без возможности fine-tune (→ Claude, DeepSeek)
- Нужна мультимодальность с аудио и видео (→ Gemini)
- Нужна максимально свободная open-source лицензия (→ Qwen Apache 2.0)
Обновлено: май 2026. Цены из Groq и OpenRouter pricing pages. Бенчмарки — Ollama documentation.