Meta lleva varios años siendo el actor más importante del ecosistema open source de LLMs. Llama 4 es su apuesta más ambiciosa: una familia de modelos con arquitectura Mixture of Experts, soporte multimodal nativo, y una ventana de contexto que compite con Gemini.

La familia Llama 4

Llama 4 Scout: el modelo más eficiente de la familia. 17B parámetros activos (109B totales con MoE), 10M tokens de contexto. Diseñado para deployment en una sola GPU H100.

Llama 4 Maverick: 17B activos (400B totales). Mejor rendimiento que Scout con mayor coste de inferencia. Para hardware con múltiples GPUs.

Llama 4 Behemoth: el modelo de frontera de Meta. Aún en entrenamiento al momento de este análisis, con capacidades que Meta afirma superan a GPT-4o y Claude 3.5 Sonnet en múltiples benchmarks.

La ventana de contexto de 10M tokens

Esto es el número que más atención recibe: Scout puede procesar hasta 10 millones de tokens. Para referencia, eso es aproximadamente 7.5 millones de palabras, o unas 15 novelas completas.

La pregunta práctica: ¿quién necesita eso? Casos de uso reales:

  • Análisis de bases de código completas (repositorios grandes tienen 1-5M de tokens de código)
  • Procesamiento de corpora de documentos legales
  • Análisis de conversaciones históricas largas
  • Investigación sobre colecciones de papers

Para la mayoría de aplicaciones, 128K-1M de tokens es suficiente. Pero para los casos donde importa, la diferencia es radical.

Multimodalidad nativa

Llama 4 puede procesar imágenes, video, y texto de forma nativa. Esta es la primera versión de Llama con multimodalidad real integrada (no como módulo separado).

En benchmarks de comprensión de imágenes, compite con GPT-4o y Gemini 2.0. Para video, los resultados son más variables según la tarea.

Rendimiento vs modelos cerrados

En MMLU, HumanEval, y otros benchmarks estándar, Llama 4 Scout supera a modelos cerrados de versiones anteriores (GPT-3.5, Claude 2). Maverick es competitivo con GPT-4o en varias categorías.

Lo importante: por primera vez, un modelo open source está genuinamente dentro del mismo rango de los mejores modelos cerrados en benchmarks generales.

La licencia (de nuevo)

La licencia de Llama 4 sigue siendo “Meta Llama License”, no una licencia open source en el sentido estricto (OSI). Las restricciones principales:

  • Uso comercial permitido hasta cierto umbral de usuarios activos
  • Prohibición de usar Llama para entrenar modelos competidores
  • Restricciones geográficas en algunos territorios

Para la mayoría de uso comercial, es suficientemente abierta. Para competidores de Meta (Google, OpenAI, Microsoft), hay cláusulas problemáticas.

Cómo desplegarlo

Con Ollama (cuando los pesos estén disponibles):

ollama pull llama4:scout
ollama run llama4:scout

Con transformers (para GPU):

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "meta-llama/Llama-4-Scout-17B-Instruct"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [{"role": "user", "content": "Explica la arquitectura Mixture of Experts"}]
inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")

output = model.generate(inputs, max_new_tokens=512)
print(tokenizer.decode(output[0][inputs.shape[1]:], skip_special_tokens=True))

Implicaciones para el ecosistema

Llama 4 cambia la pregunta de “¿open source puede competir con modelos cerrados?” a “¿cuándo tiene más sentido uno que otro?”.

Para casos donde la privacidad, el coste a escala, o el control del modelo son prioritarios, Llama 4 es ahora una opción genuinamente competitiva, no un compromiso.

Para casos donde quieres el mejor rendimiento absoluto sin gestionar infraestructura, los modelos cerrados siguen siendo más convenientes.

El equilibrio cambió. El open source ya no es solo “la opción gratuita con peor rendimiento”.

Análisis basado en benchmarks publicados por Meta y evaluaciones independientes de marzo 2026.