Llama 是 Meta 发布的开源大语言模型系列，是当前最广泛使用的开放权重 AI 基础模型。Llama 3.1 提供 8B/70B/405B 三种参数规模，支持 128K Token 上下文，8 种语言，遵循 Meta Llama 许可证可用于商业用途（700M MAU 以下免费），在 HuggingFace 上累计下载量超 3 亿次。

Llama — Meta 开源大语言模型系列

核心参数与统计

参数	详情
最新主要版本	Llama 3.3 70B / Llama 3.2（含视觉版）/ Llama 3.1 405B
参数规模选项	1B、3B、8B、11B（视觉）、70B、90B（视觉）、405B
最大上下文窗口	128K Token（Llama 3.1/3.2 系列）
多语言支持	8 种语言（英、中、法、德、意、葡、西、印地）
许可证	Meta Llama License（<700M MAU 商业免费，超出需申请）
发布渠道	HuggingFace、llama.meta.com、主要云服务商
HuggingFace 下载量	超 3 亿次（2024 年累计）
变体模型	Code Llama（代码）、Llama Guard（安全过滤）、Llama 3.2 Vision
量化支持	GGUF（llama.cpp）、GPTQ、AWQ 等多种量化格式
推理框架	llama.cpp、vLLM、HuggingFace Transformers、Ollama 等

Llama 系列是推动开源 AI 民主化最重要的力量之一——通过开放大规模预训练模型权重，Meta 使全球开发者能够在不依赖 API 调用的情况下，在自有硬件上本地运行、微调和部署具有高度竞争力的大语言模型，从根本上改变了 AI 应用的开发格局。

用户与市场认可

Llama 系列是目前下载量最大、使用最广泛的开源 LLM 家族，在 HuggingFace 上的累计下载量超过 3 亿次，是名副其实的「开源 AI 基础设施」。从 Llama 2 到 Llama 3 的发布节奏证明了 Meta 在开源 LLM 领域的持续投入，每次新版本发布都在技术社区引发广泛的基准测试讨论和应用实践分享。

在商业应用方面，Llama 系列是企业构建私有 AI 系统的首选开源基础模型之一，特别受到数据隐私要求严格的金融、医疗和政府机构青睐——开放权重意味着可以完全离线部署，数据不离开企业内网。在 AI 开发社区，围绕 Llama 形成了极为丰富的生态系统，包括量化工具（llama.cpp）、微调框架（Axolotl、LLaMA-Factory）、对话界面（Open WebUI）和推理引擎（vLLM、Ollama），这一生态正反馈进一步强化了 Llama 的主导地位。

成本优势

方式	价格	主要适用场景	特点
本地部署（llama.cpp）	硬件成本（一次性）	个人、研究、隐私应用	完全免费，数据不出本地
云端推理（Together AI）	$0.20/百万 Token（8B）	AI 应用快速接入	按量计费，无需管理硬件
云端推理（Groq）	$0.05/百万 Token（8B）	低延迟高频调用	超低延迟，适合实时应用
自托管（vLLM + GPU）	GPU 硬件/云成本	企业高并发生产部署	最大灵活性，可完全定制

与 GPT-4 Turbo（$10/百万 Token）相比：Llama 3.1 70B 在多项基准测试中表现接近或相当，而通过 Together AI 调用的成本仅为 $0.88/百万 Token，价格低约 90%；本地部署则仅需一次性硬件投入，无持续 API 成本。

主要功能

• Llama 3.1 8B/70B/405B 多规模选择：从轻量级 8B（可在消费级 GPU 上运行）到旗舰级 405B（综合性能对标 GPT-4o），满足不同算力预算和性能需求，用户可根据场景选择最优性价比的规模。
• 128K Token 长上下文处理：Llama 3.1 系列将上下文窗口扩展至 128K Token，支持处理超长文档、代码库分析和多轮深度对话，使 Llama 进入此前仅有少数 LLM 支持的长上下文应用市场。
• 多语言能力（8 种语言）：Llama 3.1 在英文之外原生支持中文、法语、德语、意大利语、葡萄牙语、西班牙语和印地语，无需翻译中间层即可进行多语言对话和文本处理。
• Code Llama（代码专属变体）：专门针对代码理解、生成和调试任务优化的 Llama 变体，支持 Python、Java、C++、TypeScript 等多种主流编程语言，是开源代码大模型的重要选择。
• Llama Guard（安全过滤模型）：基于 Llama 架构训练的内容安全分类模型，用于检测和过滤 AI 对话中的有害内容，帮助开发者构建符合安全标准的 AI 应用，可作为独立组件集成。
• Llama 3.2 Vision（多模态版本）：支持图像理解的多模态 Llama 变体（11B 和 90B），可处理图文混合输入，执行图像描述、视觉问答和文档图像理解等视觉任务。
• 开放权重可微调：完整模型权重可下载，支持在自有数据上进行全参数微调（Full Fine-tuning）或参数高效微调（LoRA、QLoRA），将领域知识注入模型，打造专属行业模型。
• 量化版本支持（低算力设备）：通过 GGUF 量化格式（llama.cpp），可在 Apple Silicon Mac（如 M2 MacBook Pro）或消费级 GPU 上以可接受的速度运行 7B/8B 量化模型，极大扩展了可运行 Llama 的硬件范围。

模型与版本演进

版本	发布时间	说明
Llama 1（7B/13B/33B/65B）	2023-02	首个 Llama 系列，仅供研究使用，不允许商用
Llama 2（7B/13B/34B/70B）	2023-07-18	首次开放商业许可，发布 Chat 对话优化版本，里程碑式发布
Code Llama	2023-08-24	基于 Llama 2 的代码专用模型，支持代码补全和生成
Llama 2 Long	2023-09	扩展 Llama 2 上下文至 32K，面向长文档场景
Llama 3（8B/70B）	2024-04-18	整体性能大幅提升，8K 上下文，超越 Gemma/Mistral 同参数规模模型
Llama 3.1（8B/70B/405B）	2024-07-23	旗舰版本，128K 上下文，405B 对标 GPT-4o，多语言支持，全面商用
Llama 3.2（1B/3B/11B/90B）	2024-09-25	新增轻量级 1B/3B 端侧模型，以及 11B/90B 视觉语言模型
Llama 3.3 70B	~2024-12	70B 性能大幅提升，接近 405B 水平，最优性价比开源指令模型

技术优势

开放权重带来的部署灵活性：Llama 的核心价值在于「开放权重」——不同于提供 API 调用的闭源模型，Llama 允许用户下载完整模型文件并在任意硬件上运行，无调用次数限制、无数据传输风险、无 API 依赖风险。这一特性对于数据安全敏感的企业尤为重要，是构建完全自主可控 AI 系统的技术基础。

强大的开源生态系统：围绕 Llama 形成了目前开源 LLM 生态中最完整的工具链：llama.cpp 实现消费级硬件本地推理、vLLM 实现生产级高吞吐推理、Ollama 提供一键本地部署体验、LLaMA-Factory 和 Axolotl 提供便捷微调工具、Open WebUI 提供美观对话界面。这一生态的正反馈循环使 Llama 的可用性持续超越同类开源模型。

Meta 级别的训练资源和安全投入：Llama 系列是 Meta AI 研究院（FAIR）数百名研究人员的核心研究成果，训练数据规模（Llama 3.1 使用 15 万亿 Token）和安全对齐研究投入远超大多数开源项目，使 Llama 在安全性和综合能力上具备接近顶级闭源模型的竞争力。

Llama 3.3 70B 的极致性价比：Llama 3.3 70B 将 405B 模型的大部分指令跟随能力压缩至 70B 参数，使高质量开源 LLM 的部署门槛大幅降低——70B 量化版本可在单张 H100 或 2×A100 上高效运行，相比 405B 节省 80% 以上的 GPU 资源，是当前开源 LLM 性价比的顶峰。

如何使用

入口	说明
HuggingFace	在 https://huggingface.co/meta-llama 下载模型权重（需申请访问权限）
Ollama（最简本地部署）	安装 Ollama：ollama pull llama3.1:8b，一命令完成本地部署
Meta 官网申请	访问 https://llama.meta.com/llama-downloads 提交商业使用申请
云端 API	通过 Together AI、Groq、AWS Bedrock 等服务商 API 访问
vLLM 生产推理	使用 vLLM 框架部署高吞吐生产推理服务

典型使用步骤（Ollama 本地快速部署 Llama 3.1 8B）：

1. 访问 https://ollama.com 下载安装 Ollama（支持 macOS/Linux/Windows）。
2. 在终端运行：ollama run llama3.1（自动下载 8B 模型，约 4.7GB）。
3. 等待下载完成后，直接在终端开始对话，或通过本地 API（http://localhost:11434）集成至应用。
4. 需要更大规模模型：ollama run llama3.1:70b（需要至少 40GB 显存或支持 Apple M2 Max/Ultra）。
5. 需要微调：前往 HuggingFace 申请访问权限，下载原始权重，使用 LLaMA-Factory 或 Axolotl 框架进行 LoRA 微调。

产品定价

Llama 系列模型权重完全免费开放，但不同使用场景有不同的成本结构：

• 模型权重下载：完全免费，在 HuggingFace 或 Meta 官网申请后可自由下载，商业使用月活用户 700 万以下（MAU < 700M）免费，超出需向 Meta 申请特殊许可证。
• 本地部署（llama.cpp/Ollama）：仅需硬件成本，无持续费用，RTX 3090（24GB）可流畅运行 13B 量化模型，Apple M2 MacBook Pro 可运行 7B/8B 量化模型。
• 云端推理（第三方服务）：通过 Together AI（$0.20/百万 Token 起）、Groq（$0.05/百万 Token 起）、AWS Bedrock 等访问，按使用量付费。
• 自托管 vLLM：GPU 服务器或云 GPU 实例成本，生产级 8B 模型通常需要 A10G 或 RTX 4090 级 GPU，根据并发量和所用云服务商定价不同。
• Meta 官方 API（Meta AI）：Meta 通过自有产品提供 Llama 能力，部分 API 功能面向合作伙伴开放。

应用场景

1. 企业私有化 AI 助手部署：金融、医疗、法律等数据安全敏感行业，在企业内网部署 Llama 3.1 70B 作为内部知识库问答、文件分析和代码辅助工具，数据完全不出企业网络，解决使用 ChatGPT/Claude 等云 API 的数据合规问题。

2. 开源 LLM 研究和基准测试：AI 研究人员使用 Llama 作为研究基准模型，在其基础上进行新型微调方法、对齐技术和推理优化的学术研究，开放权重使实验可复现性和研究社区合作成为可能，是 NLP 研究领域的核心开放基础设施。

3. 领域专属模型微调：企业和研究机构基于 Llama 3.1 8B/70B 进行监督微调和指令对齐，将医学知识、法律条文、企业数据等专业领域知识注入模型，以相对低廉的成本构建高度专业化的领域 AI 助手。

4. 代码生成和开发辅助：使用 Code Llama 或经过代码数据微调的 Llama 变体，在本地部署代码补全、代码解释和 Bug 修复助手，保护代码知识产权不通过 GitHub Copilot 等云端服务传输，适合知识产权敏感的软件企业。

5. AI 应用原型和教育：开发者和学生使用 Ollama + Llama 快速在本地搭建 LLM 实验环境，无 API 调用成本的特性使得大量交互式实验成为可能，是 LLM 应用开发学习和教学的理想低门槛平台。

适用人群

• 数据隐私要求严格的企业：需要在本地/内网部署 AI 能力，不能将数据发送至第三方 API 的金融、医疗、政府机构。
• AI 研究人员：需要可微调、可复现、可访问内部权重的基础模型进行学术研究的 NLP 研究者。
• AI 应用开发者：希望摆脱 API 依赖、降低推理成本，或需要模型完全自主可控的 AI 产品开发者。
• 学生和 AI 学习者：免费开放权重使任何有 GPU 的学习者都能接触到世界级 LLM，是 AI 教育的重要开放资源。
• 不适配场景：对「开箱即用无需任何设置」有强烈需求的非技术用户（直接使用 ChatGPT/Claude 更简便）；需要最新知识（Llama 有训练截止日期，不如云端 API 知识实时）；算力严重受限（量化 8B 模型在 CPU 上运行速度极慢）；需要 GPT-4 级别顶尖能力但没有足够 GPU 运行 405B 模型的场景（云 API 更实际）。

总结与展望

Llama 系列的持续发布是近年来开源 AI 运动最重要的推动力之一。从 Llama 1 的研究专用，到 Llama 2 的商业开放，再到 Llama 3.1 405B 正面挑战 GPT-4 的技术成熟，Meta 以开放策略构建了全球最大的开源 LLM 使用者和贡献者生态，形成了商业闭源模型难以复制的社区护城河。

Llama 3.3 70B 的发布进一步验证了「更高效地将大模型能力蒸馏到小模型」这一技术方向的可行性，预示着开源 LLM 将在性价比维度持续缩小与闭源模型的差距。

后续关注点：Llama 4 系列（预计采用混合专家架构 MoE）的发布时间和性能表现、多模态能力（Llama 3.2 Vision 路线图的延伸）的进一步强化、Llama 端侧模型（1B/3B）在移动设备上的优化部署、以及 Meta 如何在保持开放性的同时维持商业竞争优势，将是 Llama 生态系统下一阶段的核心看点。

版本信息

• Llama 3.1（8B/70B/405B） ：Llama 3.1 是 Meta 迄今发布的最重要里程碑版本，首次推出 405B 旗舰模型（综合性能对标 GPT-4o 和 Claude 3.5 Sonnet），上下文窗口扩大至 128K Token，新增 8 种多语言支持，所有规模模型均开放商业使用权限（月活用户 7 亿以下），在 HuggingFace 首日下载量创开源模型历史记录。 （2024-07-23）
• Llama 2（7B/13B/70B） ：Llama 2 正式发布，首次明确开放商业使用许可证，提供 7B/13B/34B/70B 四种参数规模，并同步发布专为对话优化的 Chat 变体版本（Llama 2 Chat），成为彼时下载量最大的开源 LLM，极大推动了开源 AI 应用开发生态的繁荣，开源 AI 社区进入加速发展阶段。 （2023-07-18）
• Llama 3.3 70B ：发布 Llama 3.3 70B，在保持 70B 参数规模的同时，将指令跟随能力提升至接近 Llama 3.1 405B 的水平，性能对价比进一步优化；多语言能力显著提升，数学和代码生成基准测试成绩明显进步，成为综合性价比最优的开源指令模型，被广泛用于替代 Llama 3.1 405B 以降低部署成本。 （~2024-12）