Llama es la familia de grandes modelos de lenguaje open source desarrollada por Meta. Con 1.200 millones de descargas acumuladas, Llama es el LLM open source más adoptado del mundo, alimentando Meta AI y miles de aplicaciones de terceros.
¿Qué es Llama?
Llama (Large Language Model Meta AI) es la familia de grandes modelos de lenguaje open source desarrollada por Meta. Lanzada en febrero de 2023, Llama se ha convertido en el ecosistema de modelos open source más adoptado del mundo, con 1.200 millones de descargas acumuladas en abril de 2025.
La gama de modelos
Los modelos Llama van del más rápido al más capaz: documentos largos, razonamiento complejo, uso como agente. Los nombres de los modelos, las ventanas de contexto y los precios cambian varias veces al año: esta página no los fija voluntariamente. Para la gama actual y los precios, la fuente fiable es la página oficial.
- Fuente oficial: ai.meta.com
Las cifras que cambian
Número de usuarios, alianzas, benchmarks: estos datos evolucionan demasiado rápido para fijarlos en un glosario. Verifíquelos con el editor. Lo que no cambia: el lugar de Llama en las respuestas de las IA, y el interés de medir su visibilidad en este motor.
Llama y la visibilidad IA
Llama es el motor detrás de Meta AI, pero también alimenta numerosas aplicaciones de terceros. Una auditoría de visibilidad IA debe probar los modelos Llama ya que están presentes en todas partes — desde chatbots empresariales hasta asistentes personales. AI Labs Audit incluye los modelos Llama en su amplia variedad de modelos evaluados. Descubra nuestro tutorial.
Fuentes: características y gama verificadas en la página oficial de Llama; página revisada el 12 de noviembre de 2026. Las versiones de los modelos no se listan deliberadamente: cambian demasiado rápido.
Fuentes: características y gama verificadas en la página oficial de Llama; página revisada el 12 de noviembre de 2026. Las versiones de los modelos no se listan deliberadamente: cambian demasiado rápido.
Para seguir
Agencias, consultores y equipos internos: comparen las respuestas de sus propios escenarios, idiomas y modelos seleccionados. Nuestra infraestructura, sus escenarios, su experiencia.