Llama recenzja: tanie otwarte wagi, które Meta sama odstawiła na bok

Llama recenzja: co zostało z Llamy we wrześniu 2026

Llama to rodzina modeli językowych Mety z otwartymi wagami, które każdy może pobrać i uruchomić na własnym serwerze. Przez dwa lata była najważniejszym otwartym modelem na świecie: w marcu 2025 roku Mark Zuckerberg ogłosił miliard pobrań, a w kwietniu Meta mówiła już o 1,2 mld. Na Llamie powstało też sporo polskich projektów, m.in. pierwsza generacja rządowego PLLuM.

Najnowsza wersja to wciąż Llama 4 z 5 kwietnia 2025 roku, w dwóch wariantach: Scout (17 mld aktywnych parametrów, 109 mld łącznie, 16 ekspertów, 10 mln tokenów kontekstu) i Maverick (17 mld aktywnych, 400 mld łącznie, 128 ekspertów, 1 mln tokenów). Oba przyjmują tekst i obraz, a odpowiadają tekstem.

Od tamtej pory Meta nie wydała nowej Llamy. W kwietniu 2026 roku przedstawiła zamknięty model Muse Spark z nowego laboratorium Meta Superintelligence Labs, który napędza aplikację i stronę Meta AI. W lipcu wygaszono Llama API, a adres llama.com przekierowuje dziś na dev.meta.ai z hasłem „Your next build starts with Muse”. Otwarte wagi Meta wydała w sierpniu, ale już pod nową marką: Muse Glimmer 30B.

W tej recenzji oceniam więc Llamę 4 jako model, który możesz dziś pobrać albo wywołać przez API u pośredników. Aplikację Meta AI opisuję osobno, bo według Mety działa już na Muse Spark.

Llama 4 po polsku: mój test w Laboratorium

Llama 4 Maverick, Llama 4 Scout i dla porównania Muse Glimmer 30B przeszły 30 września przez te same 13 zadań co reszta mojego rankingu AI do pisania po polsku, na tych samych ustawieniach i limitach. Metodę opisałem w Laboratorium Promptowym.

Maverick zdobył 62,9 pkt na 100. Z 16 modeli rankingu niżej jest tylko Claude Haiku 4.5 (59,2). GLM-5.3 ma 64,4, Mistral Medium 3.5 68,0, a DeepSeek V4 Pro 74,1. Scout wypadł jeszcze słabiej, 57,9 pkt, najniżej w całym zestawieniu. Średnia ocen sędziów dla Mavericka to 5,59 na 10, a za naturalność tylko 4,63. Sędziowie powtarzali to samo: szablonowy styl, frazesy, kalki z angielskiego i teksty wyraźnie krótsze, niż kazało polecenie.

Najgorzej wypadł opis czajnika (4,22) z błędem „łączące nowoczesny design ze stal nierdzewną” i dopisanym „designem”, którego nie było w karcie produktu. W tytułach SEO Maverick dwa razy wstawił niegramatyczne „wybór odkurzacz bezworkowy”, a w przekładzie newslettera zamienił idiom na „przysługę w niełasce” i zostawił „follow-up” oraz „kickoff call” po angielsku. Post na LinkedIn zaczyna się od cudzysłowu i kończy zdaniem „jestem podekscytowany tym, co przyszłość przyniesie dla mojego sklepu”.

Lepiej wyszły zadania z twardą odpowiedzią. Łatwą korektę Maverick zrobił w 21 z 22 miejsc, a łatwy quiz o Polsce w 45 z 46. W trudnej korekcie poprawił tylko 20 z 30 błędów: przepuścił „cofnąć się do tyłu”, „powtórzył ponownie” i pomylone „bynajmniej”. W trudnym quizie uznał Wisłę za drugą co do długości rzekę Polski, podał 10 lat przedawnienia zamiast 6 i dał się złapać w pułapkę o „pierwszym prezydencie II RP wybranym w wyborach powszechnych”.

Scout dopisał do posta na LinkedIn chiński znak w środku polskiego słowa, a w quizach pomylił autorów „Lalki” (Fredro) i „Przedwiośnia” oraz wymyślił malarza „Bitwy pod Grunwaldem”, Mateusza Wietyszę. W obu quizach zdobył 68 z 94 punktów, a Maverick 88.

Dlaczego Llama słabo pisze po polsku

Meta podaje w karcie modelu 12 obsługiwanych języków Llamy 4: arabski, angielski, francuski, niemiecki, hindi, indonezyjski, włoski, portugalski, hiszpański, tagalog, tajski i wietnamski. Polskiego na liście nie ma. Meta pisze, że w pretreningu było 200 języków, ale użycie w innych językach niż te 12 wymienia jako wykraczające poza zamierzone zastosowania, chyba że model dostroisz sam.

Drugi powód to wiek. Dane treningowe Llamy 4 kończą się w sierpniu 2024 roku, a model nie ma trybu rozumowania. Nowsze modele o podobnej cenie, jak DeepSeek V4.1 Flash czy GPT-6 Luna, piszą po polsku o 10-20 pkt lepiej. Muse Glimmer 30B, następca z otwartymi wagami, deklaruje ponad 100 języków, ale w moim teście dostał 60,4 pkt, niewiele więcej niż Scout. Poprawił za to trudną korektę (26 z 30).

To moja opinia: Llama była dobrym punktem wyjścia do dostrajania polskich modeli, ale jako gotowy model do polskich tekstów w 2026 roku już się nie broni.

Licencja Llamy i Unia Europejska: haczyk dla polskich firm

Llama 4 nie jest open source w ścisłym sensie. Działa na licencji Llama 4 Community License z trzema ważnymi warunkami:

• Limit 700 mln użytkowników. Jeśli twoje usługi miały w dniu premiery ponad 700 mln aktywnych użytkowników miesięcznie, musisz poprosić Metę o osobną licencję.
• Oznaczenie. Produkt z Llamą musi mieć widoczny dopisek „Built with Llama” i kopię licencji.
• Wyłączenie UE. W polityce dopuszczalnego użycia Meta pisze, że przy multimodalnych modelach Llamy 4 prawa z licencji nie są przyznawane osobom mieszkającym w UE ani firmom z główną siedzibą w UE. Zapis nie dotyczy użytkowników końcowych gotowego produktu z takim modelem.

Scout i Maverick są multimodalne, bo przyjmują obraz. W praktyce oznacza to, że polska firma, która chce sama pobrać Llamę 4 i wbudować ją w swój produkt, działa bez praw z licencji, a korzystanie z gotowej usługi z Llamą jest dozwolone. Nie jestem prawnikiem, więc to moje odczytanie tekstu polityki, a nie porada prawna.

Muse Glimmer 30B ma pod tym względem przewagę: jest na licencji Apache 2.0, bez limitu użytkowników i bez zapisu o UE.

Gdzie uruchomić Llamę w 2026 roku i ile to kosztuje

Przez API u pośredników. Meta wygasiła publiczny podgląd Llama API 6 lipca 2026 roku. Modele wciąż są u dostawców: w OpenRouterze Maverick kosztuje od 0,1875 USD za milion tokenów wejścia i 0,6525 USD wyjścia, a Scout od 0,10 / 0,30 USD. Część platform już się wycofuje: Groq wyłączył Mavericka 9 marca, a Scouta 17 lipca 2026 roku i poleca w zamian GPT-OSS 120B albo Qwen 3.6. W moim teście 9 zadań pisarskich na Mavericku kosztowało 0,0019 USD, czyli tyle co w GPT-6 Luna (0,002 USD), która pisze po polsku o 20 pkt lepiej.

Na własnym sprzęcie. Wagi pobierzesz za darmo, ale Llama 4 nie jest modelem na domowy komputer. Scout ma 109 mld parametrów i według Mety mieści się na jednej karcie H100 z 80 GB po kwantyzacji int4. Maverick w wersji FP8 potrzebuje całego serwera DGX z H100. Na mojej karcie RTX 4090 z 24 GB żadna Llama 4 się nie zmieści. Do lokalnej pracy po polsku lepsze są mniejsze modele z mojego testu lokalnych modeli na RTX 4090, np. Gemma 4 12B (72,3 pkt) czy Bielik, albo Muse Glimmer 30B, który według Mety mieści się w 24 GB.

W czacie. Nie ma oficjalnego czatu z Llamą 4. Meta AI, jedyny czat Mety, według firmy działa od kwietnia 2026 roku na Muse Spark.

Czy to się opłaca? To moja opinia: własny serwer ma sens tylko przy dużej skali i wymaganiu, żeby dane nie wychodziły z firmy. Przy małym ruchu API u pośrednika kosztuje ułamki centa, a przy dużym lepiej porównać koszt własnego GPU z tańszymi, nowszymi modelami. Jak to policzyć, pokazuję w tekście lokalny model czy API.

Prywatność i dane

Największa zaleta Llamy to możliwość uruchomienia jej u siebie. Wtedy teksty nie trafiają ani do Mety, ani do żadnego pośrednika. Przy API wszystko zależy od dostawcy: w OpenRouterze Mavericka obsługują m.in. DigitalOcean, DeepInfra, Novita, Parasail i Google Vertex, każdy na własnych zasadach przechowywania danych.

Dobrze też wiedzieć, na czym Llama się uczyła. Według karty modelu dane treningowe Llamy 4 obejmują publicznie udostępnione posty z Instagrama i Facebooka oraz rozmowy ludzi z Meta AI. Obniżam ocenę prywatności za zapis o UE w polityce użycia, bo właśnie firmom z Unii utrudnia uruchomienie modelu na własnym sprzęcie, czyli wariant najlepszy dla danych.

Muse Spark, Muse Glimmer i Meta AI: co zastąpiło Llamę

Muse Spark to zamknięty model Mety z 8 kwietnia 2026 roku, dziś w wersji 1.3. W moim teście po polsku dostał 75,5 pkt (75,3 w skali rankingu), czyli o 12,4 pkt więcej niż Llama 4 Maverick, ale wagi są zamknięte, a API kosztuje 1,25 / 4,25 USD za milion tokenów. Szczegóły są w tekście Muse Spark 1.3 od Mety.

Muse Glimmer 30B z 10 sierpnia 2026 roku to pierwszy otwarty model Mety od czasu Llamy 4: gęsty, 29,6 mld parametrów, kontekst ponad 131 tys. tokenów, wiedza do stycznia 2026 roku, licencja Apache 2.0. Meta pisze, że po kwantyzacji do około 4 bitów model językowy zajmuje mniej niż 20 GB i działa na karcie z 24 GB. W moim teście po polsku: 60,4 pkt, między Maverickiem a Scoutem.

Meta AI działa w Polsce od marca 2025 roku w WhatsAppie, Messengerze, Instagramie i na Facebooku, a po polsku mówi od listopada 2025 roku, kiedy do Polski trafiła też osobna aplikacja. Jest bezpłatna. Nie testowałem jej w tej recenzji, a Meta nie podaje, czy wersja dla UE działa już na Muse Spark. Aplikacja agenta Muse, którą Meta wypuściła we wrześniu, według doniesień prasowych działa tylko w USA i Kanadzie. Więcej w tekście Meta AI: co to jest i gdzie działa.

Czy warto wybrać Llamę? Opinia i alternatywy

Dla większości czytelników: nie. Do pisania po polsku przez API lepsze i podobnie tanie są DeepSeek (74,1 pkt) i GPT-6 Luna (82,8 pkt). Jeśli ważne są otwarte wagi, weź Qwena, DeepSeeka na licencji MIT albo Mistrala z Europy. Do pracy lokalnej po polsku sprawdź Bielika albo Gemmę 4.

Llama 4 ma sens, gdy masz już na niej produkt, potrzebujesz okna 10 mln tokenów w otwartym modelu albo robisz badania na znanym, dobrze opisanym modelu. To moja opinia: Meta sama przesunęła Llamę na boczny tor, więc nie budowałbym na niej nowego projektu w 2026 roku. O tym, dlaczego Meta w ogóle rozdawała Llamę za darmo, pisałem w tekście o Marku Zuckerbergu.

Llama: ceny i plany

Meta nie ma polskiego cennika, bo Llamy nie sprzedaje: wagi są bezpłatne. Ceny API w USD bez podatku z OpenRoutera (odczyt 30.09.2026), różne u różnych dostawców. Informacja o wygaszeniu Llama API za dokumentacją Promptfoo, bo strona komunikatu Mety już nie działa. Ceny Muse z tekstu o Muse Spark na Promptowym (27.09.2026). źródło

Llama a konkurencja