Llama: il modello trapelato che avviò il movimento degli open weights e poi cambiò rotta

LLaMA — Large Language Model Meta AI — fu pubblicato il 24 febbraio 2023, inizialmente solo per i ricercatori che ne avevano richiesto l’accesso. Rimase privato per circa una settimana. Il 3 marzo i pesi apparvero in un torrent condiviso su 4chan e, nel giro di pochi giorni, le persone eseguivano sui propri computer un modello paragonabile a GPT-3. Meta non intendeva avviare il movimento degli open weights, ma probabilmente fu proprio quella fuga a farlo.

Seguì un’ondata di creatività. Alpaca, a Stanford, mise a punto il modello 7B con meno di 600 dollari. Georgi Gerganov scrisse llama.cpp, un motore d’inferenza essenziale in C/C++ che faceva girare LLaMA sulla CPU di un MacBook. Oggi conta oltre 127.000 stelle su GitHub e ha introdotto il formato GGUF. Ollama, nato come wrapper semplice da usare, ne ha ancora di più: oltre 180.000. L’AI locale che conosciamo è nata da un modello di ricerca trapelato.

Meta si è inserita nel movimento. Llama 2, uscito a luglio 2023, aveva una licenza che consentiva l’uso commerciale, con una famosa eccezione: le aziende con più di 700 milioni di utenti attivi mensili dovevano ottenere il permesso di Meta — in pratica, pochi concorrenti. Llama 3 è stato addestrato su circa 15 trilioni di token. A luglio 2024 Llama 3.1 ha introdotto un modello 405B con una finestra di contesto di 128K, il primo modello a pesi aperti in grado di competere con quelli chiusi più avanzati. Llama 3.2 ha aggiunto modelli 1B e 3B abbastanza piccoli da funzionare sui telefoni. All’inizio del 2025 Meta dichiarava oltre un miliardo di download.

«Open source» è sempre stato un tema controverso. L’Open Source Initiative non ha mai riconosciuto la licenza Llama come open source a causa delle restrizioni d’uso; la Free Software Foundation ha classificato quella di Llama 3.1 come non libera. Il termine preciso è open weights: si può scaricare, eseguire e ottimizzare il modello, ma è la licenza, non chi lo usa, a stabilire le regole. Per un’azienda la distinzione conta: prima di costruirci un prodotto, va letta la policy d’uso accettabile.

Llama 4 uscì di sabato, il 5 aprile 2025, e passò a un’architettura mixture-of-experts. Scout ha 17B parametri attivi su 109B e una finestra di contesto da 10 milioni di token; Maverick ne ha 17B attivi su 400B. Il lancio fu oscurato da una controversia sui benchmark: la versione ai primi posti su LMArena era una variante sperimentale ottimizzata per la chat, non quella pubblicata da Meta. Il gigantesco Behemoth, annunciato con circa 2.000 miliardi di parametri, non è mai stato distribuito. Nell’aprile 2026 Meta Superintelligence Labs ha lanciato Muse Spark, un modello chiuso e proprietario. Meta afferma che i modelli Llama esistenti resteranno disponibili e ha parlato di rendere open le versioni future, ma l’era di un modello di punta Meta a pesi aperti sembra sospesa.

Per chi sviluppa, la lezione è concreta. Llama ha reso normale eseguire un modello capace sui propri server, per tutelare la privacy, controllare i costi o lavorare offline; questa possibilità resterà, chiunque guidi il prossimo capitolo degli open weights. In un prodotto TypeScript o Python considero il modello una dipendenza sostituibile: un endpoint compatibile con OpenAI, che sia un’API ospitata, vLLM o Ollama su una macchina locale, più valutazioni che mi dicano quando basta un modello open meno costoso. L’architettura vincente è quella in cui cambiare modello richiede solo una modifica alla configurazione.