Представьте, что модель уже работает. Она сидит внутри вашего сервиса, обрабатывает обращения клиентов, и сервис приносит деньги. Приходит юрист заказчика и задаёт один вопрос: на каком основании вы используете эти веса и что вы обязаны делать взамен. У большинства команд ответа нет — веса скачали из публичного реестра, где кнопка называется «загрузить», и на этом юридическая часть закончилась.
С Llama этот вопрос стоит острее, чем с большинством семейств, потому что модель раздают свободно, но не под свободной лицензией. Это собственные условия использования правообладателя, а не Apache и не MIT. Разница не в формальностях: у этих условий есть порог по масштабу применения, есть перечень запрещённых сценариев и есть обязанности, которые вы обязаны передать дальше — своим клиентам, если раздаёте им производную модель.
Технические свойства семейства при этом остаются одними из самых предсказуемых на рынке, и именно поэтому Llama так часто оказывается в продакшене. Разбор ниже устроен так: сначала что реально осталось полезного, потом чем за это платят юридически. Дата написания — 25 августа 2026 года; и состав линейки, и редакция лицензии на этот момент требуют проверки на официальной странице семейства.
#Поколения и что от них осталось в работе
В таблице смотрите не на номера, а на то, какой размерный класс чем закрывается и что из этого сегодня имеет смысл ставить. Номера поколений приведены по состоянию на дату написания и требуют проверки: состав линеек меняется, отдельные ветки закрываются, новые появляются.
| Поколение | Размерные классы | Практический статус |
|---|---|---|
| Второе | средний и крупный | вытеснено более поздними; ставить заново нет причин |
| Третье и его точечные обновления | компактный, средний, крупный | рабочая лошадка; больше всего готовых дообучений и сборок |
| Мультимодальная ветка третьего | компактный и крупный | нужна, если требуется работа с изображениями |
| Компактная ветка третьего | 1–3 миллиарда | для слабого железа и телефонов, ограничения размера в силе |
| Четвёртое | разреженные модели | память по полному числу параметров, не по активному |
Вывод из таблицы: практический выбор почти всегда сводится к среднему классу третьего поколения — вокруг него собрана вся экосистема дообучений, квантизаций и готовых промптов. Крупные и разреженные версии интересны, если у вас сервер, а не домашняя карта. Как соотнести класс модели с вашим объёмом памяти, разобрано в материале о том, как выбрать модель под задачу и железо.
#Что семейство делает хорошо
Экосистема. Это главное. Под Llama написано больше всего обвязки: шаблоны чата поддержаны везде, квантованные сборки появляются в день релиза, дообучений под узкие домены — сотни. Когда что-то ломается, ответ уже кем-то найден. Про то, как устроены сами файлы весов в популярном формате, — в справке про формат GGUF и что означают его суффиксы.
Предсказуемость поведения. Модели семейства редко удивляют: манера ответа стабильна между версиями одного поколения, системный промпт слушается, шаблон чата документирован. Для продакшена это ценнее, чем несколько баллов в чужой таблице.
Английский и код. На англоязычных задачах и на коде средний класс семейства держится уверенно. Это область, где обучающих данных больше всего, и она видна невооружённым глазом.
Компактная ветка. Модели на 1–3 миллиарда параметров пригодны для устройств с малой памятью и для задач извлечения данных. Они не собеседники, но как рабочий инструмент за 1–2 ГБ памяти вполне состоятельны.
#Где семейство уступает
Русский язык. Это слабое место, о котором стоит знать заранее. Доля русских данных в обучении меньше, чем у мультиязычных семейств, и на практике это проявляется в падежах после числительных, в кальках и в раскрытии аббревиатур наугад. Англоязычные бенчмарки этого не показывают вовсе — они англоцентричны и на русский не переносятся. Если ваша основная работа на русском, семейство идёт в проверку не первым кандидатом; сравнение соперников в массовом классе — в обзоре моделей на 7–8 миллиардов параметров.
Разрывы в размерной сетке. Между компактным и средним классом, а также между средним и крупным зияют пропуски. Если ваш бюджет памяти попадает в разрыв, придётся либо недоиспользовать карту, либо выгружать слои в оперативную память и терять скорость непропорционально.
Юридическая нагрузка. Условия использования требуют внимания на каждом релизе, а не один раз. Их редакция менялась и продолжает меняться, и обязанности, которые вы приняли для одной версии, не переносятся автоматически на следующую.
Многословие в диалоге. Модели склонны к оговоркам и предисловиям, особенно на инструкциях, которые кажутся им чувствительными. Лечится системным промптом частично.
#Лицензия: что в ней реально ограничивает
Ниже — разбор по смыслу, а не цитаты. Номера пунктов намеренно не приводятся: редакция условий менялась несколько раз, и привязка к нумерации устарела бы быстрее самой статьи. Смотрите в таблице, какой класс обязанностей вас касается, и открывайте актуальный текст на странице модели.
| Что в условиях | Что это значит для вас |
|---|---|
| Это собственные условия правообладателя, не OSI-лицензия | называть результат «открытым ПО» в договоре нельзя |
| Есть порог по масштабу использования | выше определённого масштаба нужна отдельная договорённость с правообладателем; значение порога — в актуальной редакции |
| Есть политика допустимого использования | перечень запрещённых применений, который вы обязаны передать своим пользователям |
| Есть требования к именованию и указанию происхождения | производная модель и продукт обязаны обозначать, на чём построены |
| Условия едут вместе с весами | раздаёте дообученную модель — раздаёте и текст условий |
| Встречались территориальные ограничения для отдельных модальностей | требует проверки для конкретной версии и вашей юрисдикции |
Практический вывод: для домашнего использования всё перечисленное незаметно, для продукта на пару тысяч пользователей — тоже, а вот при выходе на массовую аудиторию, при перепродаже дообученной модели или при работе в регулируемой отрасли условия становятся первым пунктом чек-листа, а не последним. Обязанности не исчезают от того, что веса лежали в свободном доступе.
Отдельно стоит развести два понятия, которые в разговорах постоянно склеивают: «открытые веса» — это про доступность файла, «открытая лицензия» — про права, которые вам передали. Llama даёт первое и не даёт второго. Разница разобрана в статье про открытые веса против настоящей открытой лицензии, а обзор типовых лицензионных семейств с их разрешениями — в материале о лицензиях открытых моделей.
#Кому подойдёт
Если вы делаете англоязычный продукт и вам важна предсказуемость — семейство подходит, экосистема закроет большинство технических вопросов. Юридическую часть проведите до внедрения, а не после.
Если у вас домашнее использование или внутренний инструмент компании — лицензионные ограничения вас практически не коснутся, и выбирать можно по техническим свойствам.
Если основная работа на русском — берите в проверку, но не первым номером, и обязательно сравнивайте с мультиязычными семействами того же размера на своих текстах.
Если вы планируете перепродавать дообученную модель — читайте условия целиком до первого запуска обучения. Требования к именованию и передаче условий касаются именно этого сценария.
Если вам нужна юридическая простота любой ценой — берите семейство под Apache 2.0 или MIT. Технический проигрыш в этом случае обычно меньше, чем стоимость юридического сопровождения.
#Частые вопросы
#Можно ли использовать Llama в коммерческом продукте?
В общем случае да, но не безусловно: условия использования содержат порог по масштабу применения, выше которого требуется отдельная договорённость с правообладателем, а также перечень запрещённых сценариев. Значение порога и точные формулировки менялись между редакциями — проверяйте текущий текст на странице модели перед внедрением.
#Является ли Llama открытым программным обеспечением?
Строго говоря, нет. Веса доступны для скачивания, но распространяются по собственным условиям правообладателя, а не по одобренной OSI лицензии вроде Apache 2.0 или MIT. В документах и договорах корректнее называть это открытыми весами с лицензионными ограничениями.
#Какая версия Llama лучше для локального запуска?
Практически всегда — средний размерный класс актуального поколения в четырёхбитной квантизации: под него больше всего готовых сборок и дообучений. Компактная ветка на 1–3 миллиарда параметров нужна, если памяти меньше 4 ГБ. Крупные и разреженные версии требуют сервера, а не домашней карты.
#Хорошо ли Llama работает на русском языке?
Заметно слабее мультиязычных семейств того же размера: доля русских данных в обучении меньше, и это видно по падежам, кальками и обращению с аббревиатурами. Англоязычные бенчмарки об этом ничего не говорят. Если русский — основной рабочий язык, проверяйте на своих текстах и держите в кандидатах альтернативы.
#Нужно ли что-то указывать, если я построил продукт на Llama?
Условия содержат требования к указанию происхождения и к именованию производных моделей. Конкретные формулировки менялись между редакциями, поэтому опираться на пересказ в статьях, включая эту, нельзя — откройте актуальный текст условий и сверьтесь с ним до релиза.
#Меняется ли лицензия Llama со временем?
Да, редакция условий обновлялась не один раз, и с новыми поколениями выходят новые версии текста. Обязанности, принятые для одной версии модели, не переносятся автоматически на следующую. Практическое правило: при каждом обновлении весов перечитывать условия, приложенные именно к этим весам.
#Вывод
Llama остаётся техническим стандартом по объёму экосистемы и предсказуемости, и одновременно — семейством с самой заметной юридической нагрузкой среди популярных.
Если вы работаете дома или внутри компании и пишете по-английски — берите средний класс актуального поколения и не думайте о лицензии вовсе. Если продукт выходит на массовую аудиторию или вы раздаёте дообученную модель клиентам — сначала актуальные условия использования, порог по масштабу и требования к именованию, и только потом сравнение качества. Если основной язык русский, а юридическая простота критична — сравните с мультиязычным семейством под Apache 2.0: вы, вероятно, потеряете меньше, чем думаете.