Llama нейросеть — семейство больших языковых моделей компании Meta, веса которых можно скачать и запустить у себя. В этом её главное отличие от ChatGPT или Claude: те работают только на серверах разработчика, а Llama разворачивают на своём железе, дообучают и встраивают в продукты. Ниже — как развивалось семейство, чем версии отличаются друг от друга, почему она требует так много памяти, где она сильна, где уступает и как пользоваться ею из России.
Содержание
- 1.Коротко о Llama: что это и кто её делает
- 2.Как устроена языковая модель Llama
- 3.Версии Llama и чем они отличаются
- 4.Llama нейросеть локально: llama.cpp, Ollama и память
- 5.Лицензия: что можно и чего нельзя
- 6.Плюсы и минусы открытой модели Meta
- 7.Кому подходит Llama
- 8.Как пользоваться Llama из России
- 9.Частые вопросы
Коротко о Llama: что это и кто её делает
Llama (в русском поиске — «ии лама» или «нейросеть лама») разрабатывает исследовательское подразделение Meta. Первая LLaMA вышла в феврале 2023 года как инструмент для учёных, и её веса почти сразу разошлись по интернету. Компания сделала из этого стратегию: начиная со второго поколения веса публикуются открыто, с лицензией, разрешающей коммерческое использование.
По сути это текстовый ИИ того же класса, что и закрытые чат-боты: ведёт диалог, пишет и редактирует тексты, объясняет и генерирует код, разбирает документы. Начиная с версии 3.2 в семействе появились версии, понимающие изображения, а четвёртое поколение изначально мультимодально: принимает на вход и текст, и картинки.
В 2026 году акцент Meta сместился. Адрес llama.com теперь перенаправляет на портал разработчиков dev.meta.ai, где на первом плане новое семейство моделей Muse. Открытые веса при этом остаются доступны, и сообщество продолжает активно ими пользоваться.
Открытость сделала семейство точкой отсчёта для всей отрасли. За ним последовали другие открытые модели — Mistral, Qwen от Alibaba, DeepSeek, — и сегодня по ряду задач они не уступают продукту Meta или обходят его. Но многие инструменты, форматы и учебные материалы по локальному запуску ИИ до сих пор написаны с прицелом именно на Llama.
Как устроена языковая модель Llama
Внутри — трансформер, нейросеть, которая предсказывает следующий фрагмент текста с учётом всего, что было до него. Обучение идёт в два этапа: сначала нейросеть читает триллионы токенов открытых текстов и кода, затем её доучивают на примерах диалогов и инструкций. Поэтому у большинства версий есть два варианта — базовый (base) и инструктивный (Instruct), и для чата нужен второй.
Число в названии, например 8B или 70B, — это миллиарды параметров. Больше параметров — больше знаний и устойчивее рассуждения, но и больше требований к памяти и времени ответа.
Текст она видит не словами, а токенами — кусочками слов. Английское слово часто укладывается в один токен, русское обычно разбивается на два-три. Отсюда практическое следствие: русский текст быстрее заполняет контекстное окно и генерируется чуть медленнее, чем английский того же объёма.
Смесь экспертов в Llama 4
Четвёртое поколение построено по схеме mixture of experts. Сеть состоит из множества «экспертов», но на каждый токен включается лишь часть из них. У Scout всего 109 миллиардов параметров, из которых активны 17, у Maverick — 400 миллиардов при тех же 17 активных. Отвечает такая архитектура быстрее, чем плотная сопоставимого размера, но держать в памяти всё равно приходится все веса.
Контекстное окно
Это объём текста, который нейросеть видит за раз. У третьего поколения было 8 тысяч токенов, у версий 3.1 и 3.3 — 128 тысяч. Maverick заявлена с окном в миллион токенов, Scout — до 10 миллионов, хотя на практике сервисы открывают пользователю куда меньше.
Версии Llama и чем они отличаются
Версии выходят поколениями, и внутри каждого есть несколько размеров. Официально все актуальные веса выложены на Hugging Face в организации meta-llama. Сводка по основным версиям:
Версии с пониманием изображений умеют описать фотографию, прочитать график или схему, ответить на вопрос по скриншоту. Генерировать картинки они не умеют: на выходе всегда только текст. Для рисования нужны отдельные нейросети вроде Stable Diffusion или Flux.
| Поколение | Выход | Размеры | Контекст | Особенность |
|---|---|---|---|---|
| 3 | апрель 2024 | 8B, 70B | 8K | Начало поколения, короткая память |
| 3.1 | июль 2024 | 8B, 70B, 405B | 128K | Крупнейшая плотная версия семейства — 405B |
| 3.2 | сентябрь 2024 | 1B, 3B, 11B и 90B Vision | 128K | Малые версии для телефонов и версии с пониманием картинок |
| 3.3 | декабрь 2024 | 70B | 128K | Качество близко к 405B при меньшем размере |
| 4 Scout | апрель 2025 | 17B активных из 109B | до 10M | Смесь экспертов, текст и изображения |
| 4 Maverick | апрель 2025 | 17B активных из 400B | до 1M | Старшая открытая версия поколения |
Какую версию брать
Для чата на слабом ноутбуке — 3.2 3B или 3.1 8B. Для серьёзной работы с текстом и кодом на сервере — 3.3 70B: она стала стандартом для компаний, которые разворачивают ИИ у себя. Четвёртое поколение интересно, если нужна работа с изображениями или очень длинными документами, но для неё нужен серьёзный GPU-сервер.
Llama нейросеть локально: llama.cpp, Ollama и память
Главная причина популярности семейства — возможность запустить её без облака. Для этого есть целая экосистема бесплатных программ, и почти все они родились вокруг этой модели.
Что такое llama.cpp
llama.cpp — независимый открытый проект на C и C++, а не продукт Meta. Он позволяет запускать нейросети на обычном процессоре, видеокартах NVIDIA и AMD и на Mac с чипами Apple. Проект ввёл формат GGUF, в котором веса хранятся в сжатом виде, и сегодня на нём работают многие популярные оболочки, включая Ollama и LM Studio. Запросы «llama cpp ai» чаще всего про него.
Почему нейросеть просит так много памяти
Каждый параметр — это число, и все они должны лежать в памяти во время работы. В полной точности один параметр занимает 2 байта, значит версия 8B требует около 16 ГБ, а 70B — порядка 140 ГБ. Квантизация сжимает числа до 4 бит: тогда 8B помещается примерно в 5 ГБ, 70B — примерно в 40 ГБ, ценой небольшой потери качества. Сверху нужна память под контекст: чем длиннее диалог, тем больше расход.
Владельцам Mac на Apple Silicon проще: оперативная память там общая для процессора и графики, поэтому MacBook с 32 ГБ уверенно тянет версии среднего размера. На Windows-ПК решающим будет объём видеопамяти: 8 ГБ хватает для 8B в сжатом виде, 24 ГБ открывают дорогу к моделям на 30 миллиардов параметров и выше с частичной выгрузкой в оперативку.
Где скачать веса
Оригинальные файлы — на Hugging Face в meta-llama после принятия лицензии. Готовые сжатые версии проще брать через каталоги Ollama и LM Studio. Сборки с неизвестных сайтов и торрентов лучше не использовать: проверить, что внутри, сложно.
Llama на НейроХабе
Без VPN и зарубежной карты, оплата в рублях
Лицензия: что можно и чего нельзя
Семейство распространяется по Llama Community License — для каждой версии своей, но по одной схеме. Скачивать, запускать, дообучать и использовать в коммерческих продуктах можно бесплатно. Если же у продуктов компании больше 700 миллионов активных пользователей в месяц, нужна отдельная лицензия от Meta — это ограничение касается буквально нескольких крупнейших платформ.
Кроме того, действует политика допустимого использования: запрещены, например, мошенничество, создание вредоносного ПО и ряд других сценариев. Строгие сторонники open source не считают такую лицензию по-настоящему открытой, поэтому корректнее говорить «модель с открытыми весами».
Плюсы и минусы открытой модели Meta
Llama ценят не за рекорды в рейтингах, а за свободу. Её можно поставить в закрытый контур банка или больницы, где данные не должны уходить наружу, дообучить на своих документах, урезать до размера, который помещается в телефон. Десятки известных моделей сообщества — её дообученные версии.
Слабые места тоже понятны. Лучшие закрытые нейросети 2026 года заметно сильнее в сложных рассуждениях и программировании. Русского языка нет в официальном списке поддерживаемых: модель на нём пишет, но малые версии ошибаются в падежах и порой переходят на английский. Её знания ограничены датой обучения, а новых поколений после четвёртого Meta не выпускала, сместив фокус на Muse.
Отдельно о галлюцинациях. Как и любой подобный ИИ, она может уверенно выдать несуществующий факт, цитату или ссылку. Чем меньше версия, тем чаще это случается. Для справочных задач ответы нужно перепроверять, а для работы с документами — давать ей сам текст, а не надеяться на её память.
Чем Llama сильна
Работа офлайн, полный контроль над данными, отсутствие абонентской платы, огромное сообщество и выбор размеров от 1B до 405B под любое железо.
Где уступает
Сложный код и многошаговая логика, качество русского у компактных версий, высокие требования к памяти у старших версий, отсутствие официального удобного чата для России.
Кому подходит Llama
Разработчикам и компаниям, которым нужна своя модель внутри периметра: службы поддержки, поиск по базе знаний, обработка документов без передачи третьим лицам. Исследователям и студентам, которые изучают, как устроены языковые модели, и хотят экспериментировать с дообучением.
Типичные внедрения выглядят так: бот поддержки отвечает по внутренней базе знаний и не отправляет переписку клиентов в чужое облако; юрист прогоняет пачку договоров и получает список нестандартных пунктов; разработчики подключают модель к редактору кода как локального помощника. Во всех случаях выигрыш не в качестве ответа, а в контроле над тем, где обрабатываются данные.
Энтузиастам с мощным компьютером, которым интересно держать ИИ дома, без подписок и лимитов. Обычным пользователям, которым нужен просто чат для текстов и вопросов, она подходит как один из вариантов, но удобнее работать с ней через готовый сервис, а не ставить самостоятельно.
Кому она скорее не нужна: тем, кто ждёт от ИИ уровня лучших закрытых чат-ботов в программировании или сложной аналитике, и тем, кто не готов разбираться с настройкой. Если задача — быстро получить качественный ответ на русском, без установки и выбора квантизации, проще открыть готовый сервис и не думать о железе.
Как пользоваться Llama из России
Сама модель из России доступна: веса скачиваются с Hugging Face, локальный запуск никак не зависит от геоограничений. Сложности начинаются с облачными сервисами. Meta признана в РФ экстремистской организацией, её соцсети заблокированы, и ассистент Meta AI на российских пользователей не рассчитан. Зарубежные API требуют иностранной карты.
Если запускать её самостоятельно нет желания или железа, можно воспользоваться агрегатором. На НейроХабе Llama доступна в браузере на русском, вход по Яндекс ID или номеру телефона, оплата российской картой. Запрос стоит от 1 токена: по пакету Start (490 ₽ за 200 токенов) — от 2,45 ₽. Подписки нет, баланс расходуется только на отправленные сообщения.
Разница с локальным запуском в том, что ничего не нужно устанавливать и подбирать под видеокарту: открыл страницу, написал вопрос. Зато данные обрабатываются на сервере сервиса, поэтому для конфиденциальных документов локальный вариант по-прежнему надёжнее. Если хочется сначала сравнить, как модель справляется с вашими задачами, разумно начать с небольшого пакета на НейроХабе и уже потом решать, стоит ли вкладываться в собственное железо.
Частые вопросы
Llama ai — это то же самое, что Meta AI?
Нет. Llama — семейство моделей с открытыми весами, а Meta AI — фирменный ассистент компании на сайте meta.ai и в её приложениях. Ассистент работает на разработках Meta, но это отдельный продукт со своими правилами доступа.
Можно ли запустить ИИ лама локально на обычном компьютере?
Да, компактные версии вроде 3.2 3B и 3.1 8B работают на ноутбуке с 16 ГБ оперативной памяти через Ollama или LM Studio. Для моделей на 70 миллиардов параметров и четвёртого поколения нужен компьютер с десятками гигабайт видеопамяти.
Почему эта нейросеть занимает столько памяти?
Все параметры модели должны находиться в памяти во время работы. В полной точности 8 миллиардов параметров занимают около 16 ГБ, после 4-битного сжатия — около 5 ГБ. Чем больше версия и длиннее контекст, тем выше расход.
Где официально скачать веса третьего поколения?
На Hugging Face в организации meta-llama: нужно войти в аккаунт, принять лицензию и дождаться одобрения заявки. Готовые сжатые версии удобнее загружать через каталоги Ollama или LM Studio.
Выходила ли пятая версия?
Официально Meta такую версию не выпускала. Последнее поколение с открытыми весами — Llama 4 Scout и Maverick, а новые разработки компания ведёт под названием Muse.
Попробуйте прямо сейчас — без VPN, оплата картой РФ
🎁 30 токенов при регистрации, а первая оплата приходит с бонусом ×1,5: токенов начисляем в полтора раза больше, чем в пакете. Один раз, на любой пакет.
Открыть Llama