Llama od Meta: jak uruchomić ją lokalnie i co z licencją w UE?

Czym jest Llama?

Llama to rodzina modeli językowych firmy Meta z otwartymi wagami. Każdy może je pobrać i uruchomić na własnym sprzęcie, ale na warunkach licencji Meta, a nie licencji open source w rodzaju Apache 2.0.

Na lokalne uruchomienie liczą się dziś cztery generacje:

• Llama 3.1 (23 lipca 2024): 8B, 70B i 405B, kontekst 128K tokenów, tylko tekst.
• Llama 3.2 (24 października 2024): małe tekstowe 1B i 3B oraz modele Vision 11B i 90B, które rozumieją obrazy.
• Llama 3.3 70B (6 grudnia 2024): tekstowa, 128K kontekstu, jakościowo zbliżona do dużych modeli przy rozsądnym rozmiarze.
• Llama 4 (5 kwietnia 2025): Scout (109 mld parametrów, 17 mld aktywnych, kontekst do 10 mln tokenów) i Maverick (400 mld, 17 mld aktywnych, 1 mln tokenów). Obie przyjmują tekst i obraz.

Llama 4 to architektura MoE (mixture of experts): model składa się z wielu „ekspertów”, a przy każdym tokenie pracuje tylko ich część. Dzięki temu liczy szybciej, niż sugeruje rozmiar, ale w pamięci i tak musi zmieścić się całość.

Uwaga: Llama 4 to ostatnie modele z nazwą Llama. Nowe otwarte modele Meta z 2026 roku wychodzą pod marką Muse – Muse Glimmer 30B jest na licencji Apache 2.0. Więcej w newsie o premierze Muse Glimmer.

Mocne i słabe strony Llamy

Mocne strony

• Standard ekosystemu: niemal każde narzędzie, poradnik i biblioteka obsługuje Llamę od pierwszego dnia.
• Rozmiary na każdy sprzęt – od 2 GB (3.2 3B) do 43 GB (3.3 70B) według ollama.com.
• Długi kontekst: 128K w Llamie 3.x, do 10 mln tokenów w Llamie 4 Scout.
• Dobra baza do dostrajania – na Llamie powstały m.in. Llama-PLLuM i część destylatów DeepSeek.

Słabe strony

• Polski nie jest oficjalnie wspierany.
• Licencja z warunkami, w tym ograniczenie dla UE przy modelach multimodalnych.
• Brak nowych wersji od kwietnia 2025; nowsze modele tej samej wielkości zwykle wypadają lepiej.
• Brak stron Llamy w katalogu LM Studio – pliki trzeba szukać przez wyszukiwarkę Hugging Face w aplikacji.

Co oznacza licencja Llama i ograniczenie dla UE?

Modele Llama są wydawane na Llama Community License (osobnej dla każdej generacji). Najważniejsze warunki:

• firma, która w dniu premiery modelu miała ponad 700 mln aktywnych użytkowników miesięcznie, musi poprosić Meta o osobną licencję;
• obowiązuje polityka dopuszczalnego użycia (AUP), czyli lista zakazanych zastosowań, włączona do licencji;
• produkty z Llamą muszą nosić oznaczenie „Built with Llama”;
• nazwy modeli pochodnych muszą zaczynać się od słowa „Llama” – stąd np. Llama-PLLuM.

Klauzula dla Unii Europejskiej

W polityce dopuszczalnego użycia Llama 4 Meta zapisała, że w odniesieniu do modeli multimodalnych z rodziny Llama 4 prawa z sekcji 1(a) licencji „nie są przyznawane”, jeśli jesteś osobą zamieszkałą w Unii Europejskiej albo firmą z główną siedzibą w UE. To samo sformułowanie znajduje się w polityce dla Llama 3.2 i dotyczy jej modeli Vision (11B i 90B).

Co to znaczy w Polsce:

• Llama 4 Scout i Maverick są multimodalne, więc polska osoba prywatna ani polska firma nie dostaje od Meta licencji na ich pobieranie, uruchamianie czy dostrajanie. Dotyczy to też ollama run llama4:scout na własnym komputerze.
• To samo dotyczy Llama 3.2 Vision (llama3.2-vision).
• Tekstowe Llama 3.1, 3.2 (1B, 3B) i 3.3 tego ograniczenia nie mają.
• Klauzula wprost nie dotyczy użytkowników końcowych produktów lub usług, które zawierają te modele. Jeśli korzystasz z aplikacji firmy spoza UE zbudowanej na Llamie 4, nie łamiesz licencji.

To nie jest porada prawna. Przed użyciem Llamy w firmie przeczytaj licencję i AUP danej wersji.

Czy Llama dobrze mówi po polsku?

Według kart modeli Meta Llama 3.1, 3.2 i 3.3 oficjalnie obsługują 8 języków (angielski, niemiecki, francuski, włoski, portugalski, hindi, hiszpański i tajski), a Llama 4 – 12. Polskiego nie ma na żadnej z tych list, choć Llama 4 była trenowana na danych w 200 językach.

W praktyce duże modele radzą sobie z polskim nieźle, małe – słabo:

Open PL LLM Leaderboard (SpeakLeash) sprawdza modele na zestawie zadań w języku polskim; dane z lutego 2026. PLCC (OPI PIB) mierzy wiedzę o polskim języku i kulturze; dane z 17 października 2026. Llama 3.3 70B jest blisko Bielika 11B w Open PL, ale potrzebuje kilka razy więcej pamięci. Llama 3.1 8B w PLCC wypada bardzo słabo.

Dlaczego Llama wciąż ma znaczenie?

Nawet jeśli nie uruchomisz samej Llamy, prawdopodobnie użyjesz modelu, który z niej powstał:

• Llama-PLLuM 8B i 70B – polskie modele rządowego projektu PLLuM – są dotrenowaną Llamą 3.1 i podlegają jej licencji.
• Destylaty DeepSeek R1 8B i 70B bazują na Llamie 3.1 i 3.3 (więcej o DeepSeek).
• Wiele modeli pochodnych, poradników i narzędzi do uruchamiania modeli lokalnie powstawało z myślą o Llamie, więc obsługa jest dopracowana.

Którą Llamę wybrać?

Pamięć to szacunek dla kwantyzacji Q4_K_M (wagi zapisane w ok. 4,9 bita zamiast 16). Pełna tabela jest niżej.

• 8 GB RAM: llama3.2 (3B, plik 2,0 GB według ollama.com) – szybki, ale po polsku słaby.
• 16 GB RAM lub GPU z 8 GB VRAM: llama3.1 (8B, 4,9 GB) – dobra do angielskiego i testowania narzędzi.
• 64 GB RAM, Mac z 64+ GB lub dwie karty po 24 GB: llama3.3 (70B, 43 GB) – najlepsza Llama po polsku, którą da się uruchomić w domu.
• Llama 4 Scout (llama4:scout, 67 GB) wymaga ok. 70 GB pamięci i – w UE – licencji, której Meta nie przyznaje. Maverick to 245 GB.

Jak uruchomić Llama na swoim komputerze?

1. Zainstaluj Ollama. Instalator dla Windows, macOS i Linuksa jest na ollama.com/download. Program działa w tle (API pod http://localhost:11434).
2. Pobierz i uruchom model. W terminalu (Windows: PowerShell) wpisz komendę z ramki. Pierwsze uruchomienie pobiera plik, kolejne działają bez internetu.

   ollama run llama3.1

   ollama run llama3.2

   Duży model: ollama run llama3.3 (43 GB). Llama 4: ollama run llama4:scout (67 GB) – sprawdź najpierw ograniczenia licencji w UE.

3. Rozmawiaj. Pisz i zatwierdzaj Enterem. /bye kończy rozmowę, ollama list pokazuje pobrane modele, ollama rm <nazwa> je usuwa.
4. Wolisz okienka? Użyj LM Studio. W LM Studio wejdź w wyszukiwarkę modeli i wpisz „Llama 3.1”. Brak w katalogu LM Studio; pliki GGUF znajdziesz przez wyszukiwarkę Hugging Face w aplikacji.

Ile pamięci potrzebuje Llama?

Wariant	Parametry	RAM/VRAM (szacunek)	Plik w Ollama	Tag Ollama
3.2 3B	3,2 mld	≈3 GB	2 GB	llama3.2
3.1 8B	8 mld	≈5,9 GB	4,9 GB	llama3.1
3.3 70B	70,6 mld	≈44,2 GB	43 GB	llama3.3
4 Scout 109B (17B akt.)	109 mld	≈67,8 GB	67 GB	llama4:scout

Jak liczymy szacunek?

Szacunek = parametry (mld) × bity na wagę / 8 + 1 GB zapasu. Dla kwantyzacji Q4_K_M przyjmujemy 4,9 bita, dla Q8_0 8,5 bita (wartości z tabeli w dokumentacji llama.cpp); zapas obejmuje krótki kontekst i sam program. Dłuższy kontekst zużywa więcej pamięci. W modelach MoE w pamięci muszą być wszystkie parametry, nie tylko aktywne. „Plik w Ollama” to rozmiar podany na ollama.com (lub plik GGUF na Hugging Face) dla danego tagu; bywa inny niż szacunek, bo pliki zawierają też np. koder obrazu, a Ollama nie zawsze używa Q4_K_M.

W LM Studio Llamy nie ma w katalogu. Wpisz w wyszukiwarce aplikacji np. „Llama 3.1” – pliki wag w formacie GGUF (format plików modeli dla llama.cpp, Ollamy i LM Studio) znajdziesz w repozytoriach na Hugging Face.

Dla kogo Llama, a kiedy wybrać coś innego?

Llama ma sens, gdy pracujesz po angielsku, potrzebujesz modelu zgodnego z poradnikami i narzędziami albo chcesz go dostrajać. Llama 3.3 70B to rozsądny wybór, jeśli masz dużo pamięci.

Do polskiego wybierz Bielika. Jeśli szukasz nowszego modelu Meta, sprawdź Muse – Muse Glimmer 30B jest na licencji Apache 2.0, bez klauzuli dla UE. Do ogólnego zastosowania w podobnych rozmiarach dobrze wypada Gemma. Porównanie znajdziesz w rankingu modeli po polsku.

Najczęstsze pytania

Czy w Polsce mogę legalnie używać Llama 4?

Według polityki dopuszczalnego użycia Llama 4 prawa licencyjne do modeli multimodalnych nie są przyznawane osobom zamieszkałym w UE ani firmom z główną siedzibą w UE. Llama 4 Scout i Maverick są multimodalne, więc to ograniczenie ich dotyczy. Nie dotyczy natomiast użytkowników końcowych gotowych produktów, które te modele zawierają.

Czy Llama 3.1 i 3.3 też mają ograniczenie dla UE?

Klauzula dla UE dotyczy modeli multimodalnych. Llama 3.1 i 3.3 oraz małe Llama 3.2 1B i 3B są tekstowe. Ograniczenie obejmuje modele Llama 3.2 Vision (11B i 90B) oraz Llama 4.

Czy Llama dobrze mówi po polsku?

Polskiego nie ma na liście oficjalnie wspieranych języków żadnej Llamy. W Open PL LLM Leaderboard duża Llama 3.3 70B ma 66,40 pkt, ale popularna 3.1 8B tylko 51,35, a w PLCC 22,67. Do polskiego lepszy jest Bielik.

Czy Meta jeszcze wydaje modele Llama?

Ostatnie modele z nazwą Llama to Llama 4 z kwietnia 2025. W 2026 roku Meta wydała otwarte modele pod nową nazwą Muse, m.in. Muse Glimmer 30B na licencji Apache 2.0.

Ile RAM potrzebuje Llama 3.1 8B?

Plik llama3.1 ma 4,9 GB według ollama.com. Według naszego szacunku dla kwantyzacji Q4_K_M model potrzebuje ok. 6 GB pamięci, więc komfortowo działa na komputerze z 16 GB RAM.

Źródła

9 pozycji

1. Llama 4 Community License (Meta) llama.com
2. Llama 4 Acceptable Use Policy (Meta) dev.meta.ai
3. Llama 3.2 Acceptable Use Policy (Meta) dev.meta.ai
4. Llama 4 – karta modelu (GitHub meta-llama) raw.githubusercontent.com
5. Llama 3.3 – karta modelu (GitHub meta-llama) raw.githubusercontent.com
6. Llama 3.1 Community License (GitHub meta-llama) raw.githubusercontent.com
7. llama4 – biblioteka Ollama ollama.com
8. Open PL LLM Leaderboard (SpeakLeash) huggingface.co
9. PLCC – Polish Linguistic and Cultural Competency (OPI PIB) huggingface.co