LLaMA – Large Language Model Meta AI – erschien am 24. Februar 2023, zunächst ausschließlich für Forschende, die Zugang beantragt hatten. Etwa eine Woche blieb das Modell privat. Am 3. März tauchten die Gewichte in einem auf 4chan geteilten Torrent auf; binnen weniger Tage ließen sich GPT-3-Modelle vergleichbare Modelle auf eigener Hardware ausführen. Meta wollte die Open-Weights-Bewegung nicht starten, doch vermutlich war genau dieses Leck der Auslöser.
Was folgte, war ein Schub an Kreativität. Stanford Alpaca fine-tunte das 7B-Modell für weniger als 600 Dollar. Georgi Gerganov entwickelte llama.cpp, eine schlanke C/C++-Inferenz-Engine, die LLaMA auf der CPU eines MacBooks ausführte. Heute hat das Projekt mehr als 127.000 GitHub-Sterne und brachte das GGUF-Format hervor. Ollama, das als benutzerfreundliche Hülle darum begann, hat sogar mehr als 180.000 Sterne. Die lokale KI, wie wir sie kennen, entstand aus einem geleakten Forschungsmodell.
Meta ging mit. Llama 2 erschien im Juli 2023 mit einer Lizenz für kommerzielle Nutzung – allerdings mit einem bekannten Haken: Unternehmen mit mehr als 700 Millionen monatlich aktiven Nutzern benötigten Metas Erlaubnis. Praktisch betraf das eine Handvoll Wettbewerber. Llama 3 wurde mit rund 15 Billionen Tokens trainiert. Llama 3.1 brachte im Juli 2024 ein 405B-Modell mit einem Kontextfenster von 128K heraus – das erste Modell mit offenen Gewichten, das neben den führenden geschlossenen Modellen bestehen konnte. Llama 3.2 ergänzte 1B- und 3B-Modelle, klein genug für Smartphones. Anfang 2025 meldete Meta mehr als eine Milliarde Downloads.
„Open Source“ war allerdings immer umstritten. Die Open Source Initiative erkannte die Llama-Lizenz wegen ihrer Nutzungsbeschränkungen nie als Open Source an; die Free Software Foundation stufte die Lizenz von Llama 3.1 als unfreie Software ein. Präziser ist der Begriff Open Weights: Man kann das Modell herunterladen, ausführen und fine-tunen, doch die Lizenz legt die Regeln fest. Für Unternehmen macht dieser Unterschied etwas aus – vor dem Aufbau eines Produkts sollte man die Richtlinie zur zulässigen Nutzung lesen.
Llama 4 erschien an einem Samstag, dem 5. April 2025, und wechselte zur Mixture-of-Experts-Architektur. Scout hat 17B aktive Parameter von insgesamt 109B und ein Kontextfenster von 10 Millionen Tokens; Maverick 17B aktive von 400B. Überschattet wurde der Start von einer Benchmark-Kontroverse: Die auf LMArena hoch platzierte Version war eine experimentelle, für Chats optimierte Variante und nicht die von Meta veröffentlichte. Das riesige Behemoth-Modell mit etwa zwei Billionen Parametern wurde angekündigt, aber nie ausgeliefert. Im April 2026 brachte Meta Superintelligence Labs Muse Spark heraus – ein geschlossenes, proprietäres Modell. Meta erklärt, bestehende Llama-Modelle blieben verfügbar, und sprach davon, künftige Versionen offen zu veröffentlichen. Doch die Ära eines offenen Meta-Flaggschiffmodells scheint pausiert.
Für Entwickler ist die Lehre praktisch: Llama machte es normal, ein leistungsfähiges Modell auf eigenen Servern zu betreiben – aus Gründen des Datenschutzes, der Kostenkontrolle oder für den Offline-Einsatz. Diese Möglichkeit bleibt, unabhängig davon, wer als Nächstes die Open-Weights-Szene prägt. In TypeScript- und Python-Produkten behandle ich das Modell als austauschbare Abhängigkeit: ein OpenAI-kompatibler Endpunkt – ob gehostete API, vLLM oder Ollama auf einem lokalen Rechner – und dazu Evaluationen, die zeigen, wann ein günstigeres offenes Modell ausreicht. Die beste Architektur ist die, bei der ein Modellwechsel nur eine Konfigurationsänderung erfordert.
Geben Sie dem nächsten Produkt jemanden, der bleibt.
Bereit für den Start? Schreiben Sie mir – ich kann sofort beginnen und bleiben. Langfristige Mandate statt Übergabe nach zwei Wochen. Lassen Sie uns über Ihr Projekt, die Anforderungen und den besten Weg nach vorn sprechen.