LLaMA — Large Language Model Meta AI — ukazał się 24 lutego 2023 roku wyłącznie dla badaczy, którzy złożyli wniosek o dostęp. Model pozostał prywatny przez około tydzień. 3 marca jego wagi pojawiły się w torrencie udostępnionym na 4chanie, a w ciągu kilku dni ludzie uruchamiali na własnym sprzęcie model klasy GPT-3. Meta nie planowała zapoczątkować ruchu otwartych wag, ale prawdopodobnie właśnie ten wyciek to sprawił.
Potem nastąpił wybuch kreatywności. Alpaca ze Stanfordu dostroiła model 7B za mniej niż 600 dolarów. Georgi Gerganov napisał llama.cpp — prosty silnik inferencji w C/C++, który uruchamiał LLaMA na procesorze MacBooka. Dziś projekt ma ponad 127 tys. gwiazdek na GitHubie i dał światu format GGUF. Ollama, która zaczynała jako przyjazna nakładka na to narzędzie, ma ich jeszcze więcej: ponad 180 tys. Lokalna AI, jaką znamy, wyrosła z ujawnionego modelu badawczego.
Meta podjęła ten kierunek. Llama 2 z lipca 2023 roku otrzymała licencję dopuszczającą użycie komercyjne, ale z głośnym zastrzeżeniem: firmy mające ponad 700 mln aktywnych użytkowników miesięcznie musiały uzyskać zgodę Meta — w praktyce dotyczyło to garstki konkurentów. Llama 3 została wytrenowana na około 15 bln tokenów. W lipcu 2024 Llama 3.1 przyniosła model 405B z oknem kontekstu 128K — pierwszy model o otwartych wagach, który mógł konkurować z czołowymi modelami zamkniętymi. Llama 3.2 dodała modele 1B i 3B na tyle małe, by działać na telefonach. Na początku 2025 roku Meta informowała o ponad miliardzie pobrań.
„Open source” od początku budziło jednak spory. Open Source Initiative nie uznała licencji Llamy za otwartą ze względu na ograniczenia użytkowania, a Free Software Foundation sklasyfikowała licencję Llama 3.1 jako niewolną. Precyzyjny termin to „otwarte wagi”: można pobrać, uruchomić i dostroić model, ale zasady określa licencja. Dla firmy ta różnica ma znaczenie — przed budową produktu warto przeczytać politykę dozwolonego użytkowania.
Llama 4 ukazała się w sobotę, 5 kwietnia 2025 roku, i przeszła na architekturę mixture-of-experts. Scout ma 17B aktywnych parametrów z 109B oraz okno kontekstu na 10 mln tokenów; Maverick — 17B aktywnych z 400B. Debiut przyćmiła kontrowersja benchmarkowa: wysoko oceniona w LMArena wersja była eksperymentalnym wariantem zoptymalizowanym do rozmów, a nie wydaniem Meta. Ogromny Behemoth, zapowiadany z około 2 bln parametrów, nigdy nie trafił do użytkowników. W kwietniu 2026 Meta Superintelligence Labs uruchomiło Muse Spark — model zamknięty i własnościowy. Meta zapewnia, że dotychczasowe modele Llama pozostaną dostępne, i zapowiada otwarte przyszłe wersje, lecz era otwartego flagowego modelu Meta wydaje się zawieszona.
Dla twórców produktów wniosek jest praktyczny. Llama sprawiła, że uruchamianie wydajnego modelu na własnych serwerach stało się normalne — ze względu na prywatność, kontrolę kosztów lub pracę offline. Ta możliwość nie zniknie, niezależnie od tego, kto będzie kolejnym liderem otwartych wag. W produktach TypeScript lub Python traktuję model jako wymienną zależność: endpoint zgodny z OpenAI — hostowane API, vLLM albo Ollama na lokalnym komputerze — oraz ewaluacje, które pokażą, kiedy tańszy model otwarty jest wystarczający. Najlepsza architektura pozwala zmienić model samą zmianą konfiguracji.
Daj kolejnemu produktowi kogoś, kto zostanie.
Chcesz zacząć? Napisz do mnie — mogę rozpocząć od razu i zostać na dłużej. Długoterminowa współpraca, nie przekazanie projektu po dwóch tygodniach. Omówmy projekt, wymagania i najlepszy sposób realizacji.