Meta Notebook Llama
Meta · Productividad · Otro
Meta Llama es la familia de modelos de IA de pesos abiertos de Meta, con los multimodales Llama 4 Scout y Maverick. Descargas los pesos y los ejecutas en tu propio hardware o con un proveedor externo.
Acerca de Meta Notebook Llama
About
Qué es Meta Llama
Meta Llama es una familia de modelos de lenguaje cuyos pesos cualquiera puede descargar y ejecutar. La línea arranca en 2023 y hoy abarca Llama 4 Scout, Llama 4 Maverick y los modelos de texto anteriores como Llama 3.3 70B y Llama 3.1 405B. Meta los entrena, publica los pesos y deja el servicio en tus manos.
Ese reparto es justamente la propuesta. Un modelo de IA de pesos abiertos pone el archivo del modelo en tu infraestructura. Tú eliges la GPU, la cuantización, la longitud de contexto y el prompt de sistema. Nada de tu tráfico sale de tu red salvo que lo envíes fuera.
El precio es trabajo operativo. No hay panel al que entrar ni contador por token. Aprovisionas hardware, levantas un servidor de inferencia, vigilas la memoria y gestionas las actualizaciones. Meta además retiró su API alojada de Llama el 6 de julio de 2026, así que el acceso gestionado llega ahora por proveedores como Together AI, Fireworks o tu propia cuenta de nube.
Cómo empezar
- Solicita acceso y acepta la licencia en llama.com o en la página de Meta Llama en Hugging Face. La aprobación suele llegar rápido y necesitas una cuenta de Hugging Face con el mismo correo.
- Elige el modelo según tu hardware, no según una tabla de posiciones. Scout cabe en una GPU de 80 GB con cuantización de 4 bits. Maverick exige varias GPU. Llama 3.3 70B queda en medio.
- Monta un servidor de inferencia. vLLM es la opción habitual para throughput, llama.cpp y Ollama para portátiles y equipos pequeños, y TensorRT-LLM si todo tu stack es Nvidia.
- Prueba con tus propios prompts antes de fiarte del resultado. Veinte tareas reales de tu carga de trabajo dicen más que cualquier benchmark público.
- Ajusta el modelo o publica. Los adaptadores LoRA cubren casi todo el ajuste de dominio. Si prefieres evitar las GPU, apunta tu cliente a un endpoint de terceros que sirva los mismos pesos.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Meta Notebook Llama.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Ingenieros de machine learning y equipos de plataforma
- Investigadores y estudiantes
- Equipos con reglas de residencia de datos
Tareas
- Ajuste fino con datos internos
- Revisión de documentos largos
- Lectura de capturas y formularios
Casos de uso
- Clasificación de gran volumen y estable
- Prototipado antes de atarse a una API cerrada
- Despliegue donde una API alojada en EE. UU. resulta incómoda
Funciones clave
Pesos abiertos que puedes descargar hoy
Cada checkpoint actual de Llama es un archivo que se baja de llama.com o de Hugging Face tras aceptar la licencia comunitaria de Llama 4. Sin límite de asientos, sin cuota de peticiones y sin lista de espera para producción. Puedes copiarlo a todos los servidores que tengas.
Llama 4 Scout y su ventana de 10 millones de tokens
Scout reúne 109 mil millones de parámetros totales con 17 mil millones activos, repartidos en 16 expertos, y Meta sitúa la ventana de contexto en hasta 10 millones de tokens. Cabe un repositorio de código entero o un año de tickets de soporte. La precisión a esa distancia baja, así que conviene verificar.
Llama 4 Maverick para razonamiento exigente
Maverick lleva 400 mil millones de parámetros totales con 17 mil millones activos en 128 expertos, y es el más fuerte de los dos en código, razonamiento y multilingüe según los números que publica Meta. Servirlo cuesta más porque el modelo completo debe caber en memoria aunque solo se active una parte por token.
Comprensión de imágenes nativa
Llama 4 se entrenó como modelo multimodal, no como un modelo de texto con un adaptador de visión pegado encima. Puedes mezclar capturas, fotos y diagramas en un prompt y pedir una respuesta escrita. La salida es solo texto, algo que le sienta bien al trabajo de extracción y revisión.
Modelos de texto pequeños que siguen vivos
La línea anterior no ha desaparecido. Llama 3.3 70B maneja texto con 128K de contexto y corre en un nodo de 8 GPU o en dos tarjetas de 80 GB con cuantización. Llama 3.1 8B sigue siendo la opción práctica para dispositivos en el borde y lotes baratos.
Rutas de ajuste fino y cuantización
LoRA, QLoRA y el ajuste completo funcionan con herramientas estándar. Hay builds para llama.cpp en GGUF, para vLLM en AWQ y GPTQ, y para los motores optimizados de Nvidia. En la práctica cuantizas primero y ajustas después, porque la memoria es el cuello de botella.
Ventajas y desventajas
Ventajas
- Los pesos no cuestan nada, así que la única factura es el cómputo. Con buena utilización sale más barato que el precio por token de cualquier modelo frontera.
- Tus prompts, documentos y registros no salen de tu red, y eso simplifica las auditorías de cumplimiento.
- Seis años de herramientas giran alrededor del formato Llama, desde vLLM hasta Ollama y cualquier librería de ajuste fino que valga la pena.
- Los dos tamaños de Llama 4 cubren trabajos distintos, así que puedes servir un modelo barato para volumen y uno mayor para peticiones difíciles.
Desventajas
- Maverick necesita de verdad varias GPU de mucha memoria, y esa factura llega antes que el primer usuario.
- La API propia de Meta ya no existe, y los proveedores externos retiran modelos con poco aviso, así que hacen falta una ruta alternativa y una versión fijada.
- La licencia comunitaria de Llama 4 no es una licencia de código abierto aprobada por la OSI. Las empresas por encima de 700 millones de usuarios mensuales necesitan condiciones aparte, y las reglas de atribución se aplican a lo que publiques.
Preguntas frecuentes
Meta Llama es una familia de modelos de propósito general que ejecutas tú. Los equipos la usan para asistentes de chat, revisión de documentos, ayuda con código, clasificación y extracción de datos a partir de imágenes. El hilo común es una carga de trabajo que quieres dentro de tu propia infraestructura.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Meta Notebook Llama.
Alternativas a Meta Notebook Llama
Udon
Udon · Programación · ProductividadUdon convierte un Mac con Apple Silicon en un servidor doméstico que se gestiona desde el navegador, con contenedores, archivos compartidos y un administrador de sistemas con IA opcional.
offstage
offstage cloud · Programación · Productividadoffstage da a los agentes de IA y a los trabajos de CI un Mac de verdad: una cuenta de macOS 27 sobre Apple silicon, manejada por API y cobrada por segundo.
BotBus
Chengdu Tuyang Tusen Technology Co., Ltd. · Programación · ProductividadBotBus te deja controlar desde el móvil y el reloj los agentes de programación con IA que corren en tu ordenador: apruebas comandos, lanzas tareas y lees resultados sin volver al escritorio.