Llama
Meta
La familia Llama 4 de Meta ofrece modelos de pesos abiertos y con multimodalidad nativa. Scout destaca por su contexto extremadamente amplio
CAPTURA DEL MODELO ACTUAL
Proveedor: Meta
Anclaje actual: Llama 4 Scout y Llama 4 Maverick
Ciclo de vida: Activo
Pesos: Pesos abiertos (Open-weight)
Revisado: 20 de julio de 2026
Llama 4 en contexto
Llama es la familia de modelos de pesos abiertos de Meta, distribuida directamente y a través de un amplio ecosistema de socios. Llama 4 Scout y Maverick son nativamente multimodales, lo que hace que esta familia sea idónea para empresas que buscan un mayor control sobre el alojamiento y la inferencia del que suele ofrecer una API cerrada. Los pesos abiertos amplían las opciones arquitectónicas, pero no eximen de las obligaciones operativas, de licencia, seguridad o protección.
El porfolio actual de Llama 4 de Meta se centra en dos modelos principales:
Llama 4 Scout es la opción de despliegue más eficiente y está documentada con una ventana de contexto de diez millones de tokens.
Llama 4 Maverick está diseñado para ofrecer una comprensión de texto e imagen más robusta y una mayor calidad de respuesta.
Llama Guard 4 es un modelo de salvaguarda complementario, no un sustituto de los controles de riesgo específicos de la aplicación.
Los socios de nube, plataformas de modelos e infraestructura de hardware proporcionan rutas de servicio adicionales con diferentes modelos económicos y de control.
Seleccione el modelo en consonancia con la arquitectura de servicio. Un checkpoint evaluado, un despliegue local cuantizado y un endpoint en la nube gestionada pueden generar perfiles diferentes de latencia, calidad, seguridad y coste, por lo que la configuración desplegada constituye la verdadera unidad de evaluación.
Puntos diferenciales de Llama
El factor de diferenciación de Llama radica en la flexibilidad de su despliegue. Los equipos de desarrollo pueden utilizar endpoints gestionados por partners, construir servicios de inferencia privada, optimizar para hardware específico y mantener bajo su control un mayor porcentaje de los datos y del entorno de ejecución. Esta flexibilidad aporta un gran valor en términos de soberanía y personalización, pero transfiere una responsabilidad sustancial al operador del sistema.
Fortalezas clave a evaluar
Despliegues privados o controlados en los que el uso de pesos abiertos (open weights) y la libre elección de infraestructura constituyan requisitos estratégicos.
Aplicaciones multimodales que requieran comprensión de texto e imagen en una infraestructura autogestionada o alojada por un partner.
Experimentos de contexto ultra-largo utilizando Scout, con pruebas rigurosas de recuperación de información frente a distractores.
Arquitecturas de personalización, optimización o enrutamiento que dependan directamente del acceso a los pesos del modelo.
Efectos colaterales y situaciones de fallo
Que un modelo sea de pesos abiertos no equivale a que sea de código abierto sin restricciones; revise la licencia de Llama y los términos de uso aceptable.
La calidad de la inferencia depende críticamente de la cuantización, el motor de ejecución, la infraestructura de hardware, la configuración del contexto y los prompts del sistema.
Un límite de diez millones de tokens no garantiza el procesamiento preciso de cada elemento de información ni la gestión segura de documentos que no sean de confianza.
La autogestión de la infraestructura exige hacerse cargo de los parches de seguridad, la observabilidad, la prevención de abusos, la planificación de capacidad y la resolución de incidentes.
Replique las pruebas utilizando con precisión el mismo checkpoint, la misma cuantización, el servidor de inferencia, el hardware y los parámetros de contexto predefinidos para la versión de producción. Evalúe con rigor la calidad de las tareas corporativas, el rendimiento de transmisión (throughput), el uso de memoria, la latencia de cola (tail latency), la recuperación ante fallos y el comportamiento asistido por capas de seguridad. Al analizar costes, compare los endpoints gestionados frente a los costes totales de la autogestión (TCO) basándose en niveles reales de uso y no únicamente en el precio de catálogo.
``` tarifas de catálogo.
Notas de despliegue y decisiones empresariales
Obtenga Llama a través de Meta y de los socios documentados de la nube, plataformas de modelos, edge y hardware, o bien opere un stack validado y autogestionado. Confirme la elegibilidad de la licencia, la procedencia de los artefactos, el alojamiento regional, los límites de la red, la disponibilidad de aceleradores, el modelo de soporte y la responsabilidad de las actualizaciones.
Casos de uso ideales
Una opción idónea para empresas que requieren acceso a pesos abiertos, control de despliegue, capacidades multimodales, personalización o un amplio ecosistema de servicios. Scout es especialmente relevante para la experimentación con contextos largos; Maverick para tareas multimodales generales más complejas.
Cuándo considerar otras opciones
Evite Llama si el equipo no cuenta con capacidades para el servicio del modelo y ningún socio gestionado cumple con los controles requeridos. Tampoco es adecuado si no se pueden garantizar los términos de la licencia, el hardware, el soporte operativo o un proceso de actualización seguro para la escala prevista.
Datos y gobernanza
Registre el checkpoint del modelo, la versión de la licencia, el proveedor o host, la cuantización, el stack de servicio, el hardware, la región, la capa de seguridad, los registros de acceso y el responsable de las actualizaciones. Trate los pesos y los artefactos como activos de la cadena de suministro de software, y evalúe los riesgos de inyección de prompts y contenido multimodal en el entorno de ejecución real.
Fuentes oficiales
Estado de soporte en Beam AI
Bajo evaluación. Esta página sirve como referencia para la selección de modelos y no constituye una confirmación de la integración con Beam, resultados de benchmark, compromisos de residencia de datos o una recomendación para producción. Valide el entorno exacto del proveedor y la versión del modelo en el flujo de trabajo previsto antes de su lanzamiento.
Caso de uso 1
Asistente privado para empresas
Aloje un checkpoint aprobado de Llama dentro de una frontera de datos controlada para la recuperación de conocimiento interno confidencial. Valide la licencia, el aislamiento, la identidad, la seguridad de la inferencia del modelo, la autorización de origen y si una alternativa gestionada proporcionaría una mayor garantía operativa.
Caso de uso 2
Análisis de contexto ultraextendido
Evalúe Scout con colecciones inusualmente grandes de código, documentos o eventos mientras pone a prueba la recuperación de datos relevantes, la resistencia a distractores, la latencia y la memoria. Compare el rendimiento frente a arquitecturas basadas en recuperación, ya que la capacidad de contexto bruto puede resultar más lenta, costosa o menos fiable.
Caso de uso 3
Flujo de trabajo de campo multimodal
Interprete textos e imágenes en un proceso operativo controlado, como la verificación de equipos o el procesamiento de documentos. Evalúe la calidad de la imagen, la inferencia visual no compatible, la gestión de contenido sensible y el rendimiento preciso del punto de control (checkpoint) y la cuantificación desplegados.
Caso de uso 4
Plataforma personalizada para la inferencia y servicio de modelos
Desarrolle un servicio de enrutamiento optimizado en torno a las variantes validadas de Llama para adaptarse a los diferentes requisitos de latencia y calidad. Establezca la trazabilidad de los artefactos, compilaciones repetibles, controles de evaluación, capas de seguridad, observabilidad, planificación de capacidad y un plan de rollback antes de habilitar el tráfico de producción.
Otros LLM
Aquí tienes una lista de LLMs que se pueden utilizar con Beam
PREGUNTAS FRECUENTES
Preguntas frecuentes
Respuestas a sus preguntas sobre selección de modelos, despliegue, gobernanza y soporte de Beam.
¿Cuál es la gama de modelos Llama actual?
La familia actual Llama 4 de Meta se centra en los modelos multimodales Scout y Maverick, con Llama Guard 4 disponible como modelo de salvaguarda relacionado. Los nombres de los modelos y las etiquetas de su ciclo de vida pueden cambiar rápidamente, por lo que recomendamos registrar el ID exacto del modelo o la versión utilizada en las pruebas, y verificarla con la documentación del proveedor vinculada antes de pasar a producción.
¿Cómo puede una empresa acceder o desplegar Llama?
Los equipos pueden utilizar las rutas alojadas por Meta y sus socios o gestionar una infraestructura autoalojada autorizada mediante los pesos abiertos disponibles. La disponibilidad, los controles regionales, las condiciones de servicio y la paridad de funciones pueden variar según la ruta. Evalúe el entorno específico del proveedor que gestionará el tráfico de producción, en lugar de asumir que todas las opciones alojadas o autoalojadas se comportan de forma idéntica.
¿Qué cargas de trabajo se adaptan mejor a Llama?
Llama es una opción excelente cuando aspectos como el acceso a modelos de código abierto (open-weight), la flexibilidad de alojamiento, la personalización, la multimodalidad o un contexto extremadamente amplio son estratégicamente prioritarios. Considere esto como una hipótesis de partida, no como una clasificación universal. Le recomendamos evaluar y comparar la calidad, latencia, fiabilidad y coste total de propiedad utilizando casos reales con sus propios prompts, herramientas, documentación e idiomas.
¿Qué aspectos de seguridad y gobernanza deben evaluar los equipos de cumplimiento para Llama?
Revise los términos de la licencia, la procedencia del checkpoint, la cuantización, la pila de servicio, el hardware, la región, los controles de seguridad, los logs de acceso y la propiedad de los parches. Documente la ruta de datos, la configuración de retención, la versión del modelo, la región, los subprocesores o pila de hosting, los puntos de revisión humana y el plan de contingencia ante incidentes antes de aprobar el flujo de trabajo.
¿Confirma esta página la compatibilidad de Beam con Llama?
No. El soporte de Beam está clasificado como «En evaluación» porque no se ha adjuntado ninguna integración aprobada ni evidencia de soporte en producción a este registro del CMS. La página puede servir de guía para el descubrimiento y la evaluación, pero el responsable de la implementación debe verificar el acceso, los controles, el comportamiento de la herramienta y el encaje operativo antes de adquirir un compromiso con el cliente.