Llama: cos’è la famiglia di modelli AI di Meta, come funziona e come usarla

Se cerchi “Llama” pensando a un’alternativa a ChatGPT, la prima cosa da chiarire è che non stai cercando un chatbot preciso. Llama è una famiglia di modelli di intelligenza artificiale sviluppata da Meta: può essere usata come base per assistenti, applicazioni, sistemi RAG, strumenti di analisi e soluzioni eseguite su infrastruttura propria o tramite provider.

Questa distinzione conta perché intorno al nome Llama si sovrappongono almeno tre cose diverse: i modelli messi a disposizione degli sviluppatori, Meta AI come prodotto per l’utente finale e la più recente evoluzione dei modelli proprietari di Meta. Se le tratti come sinonimi, diventa facile sbagliare sia nella scelta tecnica sia nel capire cosa puoi effettivamente utilizzare in Italia.

In questa guida vediamo quindi cos’è Llama, come funziona Llama 4, quali sono Scout e Maverick, cosa significa davvero open-weight, quali limiti pone la licenza nell’Unione Europea e quando ha senso scegliere questa famiglia rispetto a un servizio AI già pronto.

Cos’è Llama e cosa significa il nome

Llama è una famiglia di modelli di intelligenza artificiale sviluppata da Meta. Il nome deriva originariamente da Large Language Model Meta AI, da cui la prima grafia “LLaMA”.

Se vuoi capire il livello tecnologico a cui appartiene, conviene partire dalla distinzione fra modello e applicazione. Un Large Language Model è il motore che elabora il contesto e genera un output; un prodotto AI può invece aggiungere interfaccia, ricerca web, memoria, strumenti, file, API e altri livelli di orchestrazione.

Llama nasce quindi come famiglia di modelli, non come “app” equivalente a un singolo servizio online. Con le generazioni successive Meta ha ampliato il progetto fino a includere modelli multimodali capaci di comprendere anche immagini.

Da Large Language Model Meta AI alla famiglia Llama

La prima generazione venne presentata come progetto orientato soprattutto alla ricerca. Con Llama 2 Meta estese l’accesso e l’uso commerciale entro i termini della propria licenza; Llama 3 ampliò dimensioni, contesto, capacità multilingue e disponibilità di varianti; con Llama 4 arrivarono due cambiamenti tecnici particolarmente importanti: multimodalità nativa e architettura Mixture of Experts.

La documentazione ufficiale Meta mantiene oggi Scout e Maverick come i due modelli principali della serie Llama 4 disponibili agli sviluppatori, insieme agli strumenti di sicurezza dell’ecosistema.

Questo non significa che ogni generazione precedente sia diventata inutile. Modelli più piccoli della serie 3.x possono restare più gestibili in determinati scenari locali o edge, mentre la quarta generazione punta soprattutto su capacità multimodali, contesti molto lunghi e maggiore efficienza nell’attivazione dei parametri.

Llama, Meta AI e un chatbot non sono la stessa cosa

Qui nasce uno degli equivoci più comuni.

Llama è il modello o la famiglia di modelli. Meta AI è un prodotto. Un’applicazione costruita su un modello può aggiungere funzioni che non appartengono direttamente ai pesi del modello: ricerca, memoria, generazione di media, strumenti esterni o accesso a dati aggiornati.

Lo stesso principio vale quando confronti Llama con ChatGPT o Google Gemini: confrontare una famiglia di pesi scaricabili con un prodotto gestito non è un confronto perfettamente simmetrico.

Se cerchi una “Llama app” per chattare, quindi, stai probabilmente cercando Meta AI o un servizio di terze parti che utilizza quei modelli. Se invece vuoi costruire un’applicazione, controllare il deployment o lavorare sui pesi, il tema diventa realmente Llama.

Llama è open source? Perché è più corretto parlare di open-weight

Meta presenta il progetto come parte del proprio ecosistema aperto e rende disponibili pesi, codice e risorse per lo sviluppo. Tuttavia, definire Llama semplicemente “open source” è impreciso se utilizziamo open source nel significato rigoroso adottato dal mondo del software e dall’Open Source Initiative.

L’espressione più prudente è open-weight: i pesi sono disponibili, ma il loro utilizzo è regolato da una licenza personalizzata con condizioni e restrizioni.

Questa non è una sfumatura accademica. Se devi decidere se un modello può entrare in un prodotto commerciale, essere redistribuito o usato da un’azienda europea, la licenza è parte dell’architettura del progetto tanto quanto i requisiti hardware.

Cosa Meta rende disponibile agli sviluppatori

Per Llama 4 Meta distribuisce materiali che comprendono i modelli fondamentali, i pesi addestrati e componenti utili all’inferenza, al training e al fine-tuning. La documentazione rimanda sia al download diretto sia a partner come Hugging Face e ad ambienti cloud.

Avere accesso ai pesi permette, nei limiti applicabili, di costruire deployment molto diversi da un semplice chatbot cloud: puoi controllare l’infrastruttura, integrare una knowledge base, adattare il modello, definire policy applicative e scegliere come gestire i dati.

Ma accesso ai pesi non significa assenza di condizioni.

Come funziona la Llama 4 Community License

La Llama 4 Community License concede diritti di utilizzo, riproduzione, distribuzione e modifica, ma introduce obblighi specifici.

Tra quelli rilevanti ci sono l’attribuzione richiesta nelle redistribuzioni, l’uso della dicitura “Built with Llama” in determinati casi, regole per il nome di modelli derivati e una condizione commerciale aggiuntiva per organizzazioni che superavano la soglia di 700 milioni di utenti attivi mensili indicata nell’accordo.

A questi termini si aggiunge la Acceptable Use Policy. Per questo una lettura corretta non è “posso farci qualsiasi cosa perché i pesi sono pubblici”, ma “posso lavorare sui materiali entro i diritti e i limiti della licenza specifica”.

Le restrizioni che distinguono Llama dall’open source senza condizioni

L’Open Source AI Definition dell’Open Source Initiative lega il concetto di apertura a libertà di uso, studio, modifica e condivisione. Una licenza che limita utenti, campi d’impiego o modalità di utilizzo non coincide automaticamente con quella definizione.

Per questo, quando si parla di Llama in un progetto professionale, conviene separare due piani:

• apertura tecnica: disponibilità dei pesi e possibilità di lavorare direttamente sul modello;
• apertura giuridica: libertà effettivamente concessa dalla licenza e dalle policy.

Il primo punto è uno dei vantaggi più importanti della famiglia. Il secondo richiede invece una verifica reale prima del deployment.

Come funziona Llama 4

Llama 4 comprende due modelli pubblicamente disponibili che Meta identifica come Scout e Maverick. Entrambi sono autoregressivi, nativamente multimodali e basati su una struttura Mixture of Experts.

La model card ufficiale chiarisce anche un dettaglio spesso raccontato male: i modelli accettano testo multilingue e immagini come input, mentre producono testo multilingue e codice come output. “Multimodale” non significa quindi che Scout o Maverick generino nativamente immagini, audio e video come output.

Modello	Parametri attivi	Parametri totali	Expert	Input	Output	Contesto massimo dichiarato
Llama 4 Scout	17B	109B	16	testo + immagini	testo + codice	10 milioni di token
Llama 4 Maverick	17B	400B	128	testo + immagini	testo + codice	1 milione di token

Meta indica inoltre l’italiano tra le dodici lingue supportate per i modelli instruction-tuned.

Mixture of Experts: perché non tutti i parametri lavorano a ogni richiesta

Un modello Mixture of Experts può contenere molti parametri complessivi senza attivarli tutti per ogni token elaborato.

In modo semplificato, il sistema dispone di più “esperti” e di un meccanismo di routing che seleziona le parti più utili per l’input corrente. Scout ha 16 expert e Maverick 128, ma entrambi utilizzano 17 miliardi di parametri attivi.

Il vantaggio è che capacità totale del modello e costo computazionale per singola inferenza possono crescere in modo diverso.

Attenzione però a un errore frequente: 17 miliardi di parametri attivi non significa che il modello occupi in memoria quanto un normale modello da 17 miliardi. Per ospitare i pesi devi comunque considerare la dimensione complessiva, la precisione numerica, la quantizzazione e l’architettura di serving.

Multimodalità: quali input accetta e quali output produce davvero

Scout e Maverick adottano una strategia di early fusion che permette di integrare informazione testuale e visiva nello stesso backbone del modello.

In pratica puoi fornire testo e immagini per compiti come:

• descrizione e comprensione di un’immagine;
• risposta a domande sul contenuto visivo;
• analisi congiunta di testo e immagini;
• estrazione o interpretazione di informazioni presenti in materiale visivo.

L’output ufficialmente documentato resta però testuale o codice. Se un’applicazione costruita attorno al modello produce immagini o video, è probabile che stia orchestrando anche altri componenti.

Questa distinzione evita di attribuire al modello capacità appartenenti in realtà all’intero sistema.

Finestra di contesto e knowledge cutoff non sono la stessa cosa

Scout è noto soprattutto per la finestra di contesto dichiarata fino a 10 milioni di token; Maverick arriva fino a 1 milione.

Un contesto molto grande permette di fornire al modello grandi quantità di materiale durante una richiesta o un workflow. Non significa però che il modello “conosca tutto fino a quel momento”.

La model card indica per entrambi un knowledge cutoff ad agosto 2024. Il contesto riguarda ciò che puoi fornire in input; il knowledge cutoff riguarda invece il perimetro temporale del training dichiarato.

Se vuoi lavorare con informazioni correnti, devi quindi inserirle nel contesto, recuperarle tramite RAG o collegare il sistema a fonti e strumenti aggiornati.

Modelli Llama: come siamo arrivati da LLaMA a Llama 4

La storia della famiglia è utile soprattutto per capire perché non esiste “il modello Llama” come oggetto unico.

La prima versione era focalizzata sulla ricerca. Llama 2 rese più ampia la disponibilità e introdusse una licenza commerciale personalizzata. Llama 3 e le successive revisioni ampliarono capacità, dimensioni e contesto, fino alla terza generazione multimodale per alcune varianti. La quarta serie ha poi cambiato architettura con il Mixture of Experts e la multimodalità nativa.

Il repository ufficiale dei modelli mantiene la cronologia delle generazioni principali e mostra Scout e Maverick come le release pubbliche della serie 4.

Llama 4 Scout: 109 miliardi di parametri e contesto fino a 10 milioni di token

Scout è il modello più interessante quando il problema richiede long context molto esteso.

Meta dichiara 109 miliardi di parametri totali, 17 miliardi attivi e 16 expert. Il contesto massimo teorico è uno dei suoi elementi distintivi, ma va interpretato con cautela: il fatto che il modello possa accettare una quantità enorme di token non garantisce che recuperi e usi con la stessa qualità ogni dettaglio disperso in quel contesto.

C’è poi il tema hardware. Meta ha mostrato che Scout può essere eseguito su una singola GPU NVIDIA H100 con quantizzazione Int4. Una H100, però, è hardware da datacenter: “single GPU” non significa automaticamente “facile da eseguire sul normale PC di casa”.

Per un deployment reale vanno quindi valutati memoria, quantizzazione, throughput, latenza, numero di utenti simultanei e costo del serving.

Llama 4 Maverick: 400 miliardi di parametri e 128 expert

Maverick aumenta molto la capacità totale: 400 miliardi di parametri, sempre con 17 miliardi attivi, distribuiti su 128 expert.

Il contesto massimo dichiarato è inferiore a Scout, ma il modello è posizionato da Meta come variante più capace per comprensione multimodale e compiti generali.

La differenza pratica non va ridotta a “400B è meglio di 109B”. Se il tuo carico richiede soprattutto contesti estremamente lunghi, Scout può essere più coerente con il problema. Se cerchi maggiore capacità generale e disponi dell’infrastruttura adeguata, Maverick può avere più senso.

La scelta va fatta sul workload, non sul numero più grande nella scheda tecnica.

Llama 4 Behemoth: perché non va trattato come un modello pubblico disponibile

Nel lancio della quarta generazione Meta mostrò anche Behemoth, un modello Mixture of Experts da quasi due trilioni di parametri totali pensato come teacher model per la distillazione.

C’è però una differenza decisiva rispetto a Scout e Maverick: Meta lo presentò come modello ancora in training e le attuali risorse ufficiali per sviluppatori non lo elencano tra i modelli scaricabili.

Per questo non va inserito in una tabella di scelta come se fosse una terza opzione disponibile. Può essere citato per spiegare l’architettura e il processo di distillazione della famiglia, ma non come modello che oggi puoi semplicemente scaricare e mettere in produzione.

Si può usare Llama 4 in Italia?

Questa è la sezione che un lettore italiano dovrebbe controllare prima di pianificare il download o un deployment diretto.

La Acceptable Use Policy di Llama 4 stabilisce che, per i modelli multimodali inclusi nella quarta generazione, i diritti concessi dalla sezione 1(a) della Community License non vengono concessi a individui domiciliati nell’Unione Europea né ad aziende con sede principale nell’UE.

Scout e Maverick sono modelli multimodali. Di conseguenza, non è corretto scrivere in modo generico che un’azienda italiana può semplicemente scaricare Llama 4 e utilizzarlo come qualsiasi altro modello con pesi aperti.

Cosa prevede la policy per utenti e aziende dell’Unione Europea

Il punto importante è distinguere il soggetto che riceve i diritti sul modello dall’utente finale.

Per un individuo domiciliato nell’UE o per un’azienda con sede principale nell’UE, la policy introduce la restrizione appena descritta sui modelli multimodali.

Questo significa che, se stai progettando un prodotto, un deployment self-hosted o un utilizzo commerciale diretto, la verifica della licenza non può essere lasciata alla fine del progetto.

Le condizioni possono inoltre essere diverse per altre generazioni della famiglia. Non trasferire automaticamente la regola di Llama 4 a ogni modello precedente: controlla sempre la licenza della versione effettivamente scelta.

Usare direttamente il modello e usare un servizio che incorpora Llama non sono la stessa cosa

La stessa policy specifica una seconda cosa fondamentale: la restrizione europea non si applica agli utenti finali di un prodotto o servizio che incorpora quei modelli multimodali.

Ecco perché “posso usare Llama in Italia?” non ha una risposta corretta in un solo sì o no.

Puoi trovarti in almeno due scenari diversi:

1. vuoi ricevere e utilizzare direttamente i materiali del modello;
2. vuoi usare un servizio di terze parti che ha integrato il modello e te lo offre come funzionalità.

Nel secondo caso sei un end user del servizio, non necessariamente il licenziatario diretto dei pesi.

Per un progetto aziendale questa differenza è sostanziale. Prima scegli il modello, poi scegli il percorso di accesso compatibile con licenza, localizzazione e requisiti del tuo caso d’uso.

Come usare Llama oggi

Non esiste un unico modo di “installare Llama”.

Puoi lavorare direttamente sui pesi, utilizzare una piattaforma che li ospita, integrare un endpoint cloud oppure usare una soluzione locale basata su una variante compatibile con il tuo hardware e con i termini applicabili.

La scelta dipende soprattutto da controllo richiesto, dati, infrastruttura, latenza, costi e licenza.

Download dei pesi, repository ufficiali e provider

Il punto di partenza corretto resta la documentazione developer di Meta, che distingue accesso diretto e partner.

Prima di scaricare, però, verifica sempre:

• modello e variante esatti;
• licenza associata;
• Acceptable Use Policy;
• restrizioni geografiche;
• requisiti hardware;
• eventuali limiti imposti dal provider.

Un provider può inoltre offrire una finestra di contesto, una quantizzazione o un limite di output diverso dal massimo teorico dichiarato nella model card. Specifiche del modello e specifiche del servizio non sono la stessa cosa.

Eseguire Llama in locale: cosa significa davvero in termini di hardware

“Locale” è una parola utile, ma spesso troppo generica.

Eseguire un modello sul proprio PC può significare usare una versione più piccola o quantizzata della famiglia. Eseguire Scout o Maverick nelle configurazioni più vicine alle specifiche originali è invece un problema infrastrutturale molto più impegnativo.

Per scegliere correttamente considera almeno:

• memoria necessaria per caricare i pesi;
• quantizzazione utilizzata;
• lunghezza del contesto realmente necessaria;
• velocità richiesta;
• numero di richieste simultanee;
• consumo energetico;
• compatibilità del runtime;
• qualità persa o comportamento modificato dalla quantizzazione.

Se il tuo obiettivo è semplicemente avere un assistente privato sul notebook, partire dal modello più grande disponibile è spesso la scelta meno efficiente. Un modello più piccolo e ben adattato può offrire un rapporto migliore tra qualità, latenza e costi.

RAG, fine-tuning e applicazioni personalizzate: quando hanno senso

Avere i pesi disponibili non significa che il fine-tuning sia sempre la prima cosa da fare.

Se vuoi far rispondere un assistente usando documentazione aziendale aggiornata, spesso conviene iniziare da RAG, retrieval e istruzioni applicative. I documenti restano aggiornabili senza dover modificare nuovamente i pesi.

Il fine-tuning ha più senso quando vuoi modificare stabilmente comportamento, stile, formato o prestazioni su un dominio specifico e disponi di dati adeguati per farlo.

Una sequenza progettuale più razionale è:

prompt e policy → contesto → RAG → strumenti/API → valutazione → fine-tuning se serve davvero.

Questa logica vale anche oltre Llama ed è uno dei motivi per cui nell’ecosistema AI open-weight il modello è soltanto una parte della soluzione finale.

A cosa serve Llama in un progetto aziendale

Il vero valore emerge quando il controllo sul modello risolve un problema concreto.

Alcuni scenari plausibili sono:

• assistenti interni collegati a knowledge base;
• sintesi e classificazione di documenti;
• estrazione di informazioni;
• analisi di immagini accompagnate da testo;
• automazioni con output strutturati;
• supporto alla programmazione;
• generazione di dataset sintetici;
• sistemi RAG su infrastruttura controllata.

Il vantaggio non è “l’AI gratis”. Anche se non paghi un canone per ogni utilizzo dei pesi, infrastruttura, engineering, sicurezza, osservabilità e manutenzione hanno un costo.

Per questo self-hosting e controllo hanno valore soprattutto quando risolvono requisiti reali: privacy architetturale, integrazione, personalizzazione, volume, latenza o indipendenza da un singolo endpoint.

Llama e Meta AI: cosa è cambiato con Muse Spark

Per capire il posizionamento attuale della famiglia bisogna correggere un’altra semplificazione frequente: Meta AI non può più essere raccontata semplicemente come “l’app di Llama”.

Meta ha introdotto Muse Spark, prima famiglia di modelli sviluppata da Meta Superintelligence Labs, come modello multimodale orientato al reasoning, all’uso di strumenti e all’orchestrazione agentica. Successivamente ha presentato Muse Spark 1.1, disponibile nella modalità Thinking di Meta AI e tramite la Meta Model API in public preview.

Le fonti ufficiali sono la presentazione di Muse Spark e quella di Muse Spark 1.1.

Muse Spark non è Llama 5

Muse Spark è una famiglia distinta. Non è corretto rinominarla informalmente Llama 5 o trattarla come una nuova versione della serie open-weight.

Questo cambia il modo in cui va letto il mercato Meta:

• Llama continua a rappresentare l’ecosistema di modelli con pesi accessibili agli sviluppatori secondo la licenza specifica;
• Muse rappresenta la nuova linea di modelli proprietari avanzati di Meta;
• Meta AI è il prodotto attraverso cui l’utente può accedere a diverse capacità del sistema.

Il nome del prodotto, quindi, non ti dice automaticamente quale modello sta elaborando ogni singola richiesta.

Quale modello usa oggi Meta AI

Meta dichiara che Muse Spark è disponibile su Meta AI e che Muse Spark 1.1 alimenta la modalità Thinking.

Questo è sufficiente per correggere una guida rimasta ferma al lancio di Llama 4, ma non per dedurre che ogni interazione su Meta AI utilizzi sempre e soltanto Muse Spark 1.1.

Quando una piattaforma gestita può instradare richieste su componenti differenti, la formulazione corretta è descrivere ciò che il vendor conferma per una specifica modalità, non inventare un routing globale non documentato.

Perché Llama continua ad avere un ruolo per sviluppatori e self-hosting

L’arrivo di Muse non rende automaticamente inutile la famiglia open-weight.

Il valore di Llama è diverso: accesso ai pesi, deployment controllabile, possibilità di adattamento e un ecosistema ampio di tool e provider.

Se vuoi semplicemente utilizzare l’assistente consumer più avanzato di Meta, guarderai Meta AI. Se vuoi costruire un sistema basato su pesi che puoi ospitare e integrare direttamente, la famiglia Llama resta il riferimento da valutare, nei limiti della licenza applicabile.

Llama vs ChatGPT, Gemini, Claude e DeepSeek: cosa conviene confrontare

Una tabella “chi è più intelligente?” diventa vecchia molto rapidamente. Modelli, benchmark e prezzi cambiano troppo in fretta, e un punteggio medio raramente coincide con il tuo workload.

È più utile confrontare modello operativo e vincoli di progetto.

Criterio	Llama	ChatGPT / Gemini / Claude	DeepSeek
Accesso ai pesi	sì, per modelli e soggetti ammessi dai termini	normalmente no per i modelli principali gestiti	disponibile per varie release, con licenze da verificare
Self-hosting	possibile quando licenza e infrastruttura lo consentono	non è il modello d’uso principale	possibile per diversi modelli
Esperienza pronta all’uso	richiede stack o servizio che lo integri	molto alta nei prodotti consumer/business	disponibile tramite app/API e deployment propri
Controllo infrastrutturale	potenzialmente alto	più basso sul servizio gestito	potenzialmente alto sui modelli aperti
Manutenzione a tuo carico	alta nel self-hosting	bassa nel servizio gestito	alta nel self-hosting
Vincoli da controllare	licenza Meta, policy, UE, hardware	condizioni del servizio, dati, prezzi, limiti API	licenza della release, provider, hardware

Per approfondire il confronto con un altro ecosistema open-weight puoi leggere anche la guida a DeepSeek.

Modello open-weight e prodotto AI chiuso non sono confronti perfettamente equivalenti

Se confronti Llama con ChatGPT sulla sola qualità di una chat stai mettendo sullo stesso piano due livelli differenti.

Un prodotto gestito comprende modello, interfaccia, strumenti, sicurezza, routing, ricerca e infrastruttura. Un modello self-hosted ti concede più controllo, ma richiede che sia tu a costruire una parte di quel sistema.

La domanda utile diventa quindi:

vuoi usare un’AI o vuoi costruire un sistema AI?

Nel primo caso una piattaforma gestita tende a ridurre drasticamente il lavoro tecnico. Nel secondo, l’accesso ai pesi può diventare un vantaggio strategico.

Controllo, hosting, privacy, aggiornamenti e semplicità d’uso

Self-hosting non significa automaticamente privacy perfetta. Significa che puoi progettare un perimetro in cui i dati non devono essere inviati all’API del vendor del modello.

Restano comunque database, log, backup, strumenti, telemetry, dipendenze e personale che possono accedere ai dati. La privacy è una proprietà dell’intero sistema, non del solo fatto di aver scaricato i pesi.

Allo stesso modo, un servizio gestito riduce il lavoro di aggiornamento: non devi gestire GPU, runtime, patch, quantizzazione o serving. Il prezzo è un minore controllo diretto sull’infrastruttura.

Quando scegliere Llama e quando una piattaforma gestita ha più senso

Valuterei la famiglia Meta quando sono importanti:

• controllo sul deployment;
• possibilità di lavorare sui pesi;
• integrazioni molto personalizzate;
• infrastruttura privata o dedicata;
• ricerca e sperimentazione;
• volumi che giustificano un serving proprio;
• necessità di evitare dipendenza tecnica da una singola API.

Una piattaforma gestita ha spesso più senso quando contano soprattutto velocità di adozione, manutenzione ridotta, funzioni già integrate e assenza di un team ML/infrastructure dedicato.

Non c’è un vincitore universale. Il vantaggio dipende da quale costo vuoi sostenere: costo del servizio o costo della complessità.

Quali sono i limiti di Llama

L’accesso ai pesi offre libertà tecnica, ma non elimina i problemi tipici dei modelli generativi.

Il primo limite è economico e infrastrutturale. Il secondo è informativo: un modello statico non conosce automaticamente ciò che è successo dopo il proprio training. Il terzo è di affidabilità: può produrre risposte plausibili ma sbagliate.

A questi si aggiungono i vincoli di licenza, particolarmente importanti per i soggetti europei nel caso della quarta generazione multimodale.

Hardware e costi operativi

I modelli più grandi richiedono memoria e capacità di calcolo importanti. Quantizzazione e serving ottimizzato possono ridurre il footprint, ma introducono trade-off che vanno misurati.

In produzione devi inoltre considerare:

• costo delle GPU;
• throughput;
• latenza;
• alta disponibilità;
• monitoraggio;
• aggiornamenti;
• sicurezza;
• storage;
• rete;
• personale tecnico.

L’assenza di un prezzo “per messaggio” non rende il sistema gratuito.

Knowledge cutoff, errori e allucinazioni

Scout e Maverick sono modelli statici con knowledge cutoff dichiarato. Non navigano automaticamente sul web e non aggiornano i pesi mentre conversano con te.

Un sistema RAG o un motore di ricerca può fornire dati recenti, ma anche in quel caso il modello può interpretarli male, perdere un dettaglio o costruire un’affermazione non supportata.

Per applicazioni importanti servono quindi fonti verificabili, retrieval di qualità, output strutturati quando utili e controlli umani proporzionati al rischio.

Benchmark: perché un risultato di laboratorio non basta per scegliere un modello

I benchmark aiutano a confrontare capacità specifiche in condizioni definite. Non sono però una classifica universale.

Un modello che ottiene un punteggio migliore in matematica può essere meno adatto a un workflow dove contano latenza e costo. Un contesto enorme può essere inutile per richieste brevi. Una maggiore qualità media può non compensare l’infrastruttura necessaria.

La scelta professionale dovrebbe quindi includere un piccolo evaluation set costruito sui tuoi compiti reali: esempi rappresentativi, criteri di correttezza, latenza, costi e failure che non puoi accettare.

Licenza e disponibilità geografica come vincoli di progetto

La licenza non è una nota legale da mettere in fondo alla checklist.

Nel caso di Llama 4 può cambiare direttamente quale architettura di accesso è praticabile per un soggetto europeo. Questo influenza provider, self-hosting, procurement e persino la scelta della generazione del modello.

Se il progetto è commerciale, regolamentato o distribuito a terzi, la verifica dei termini dovrebbe avvenire prima del proof of concept, non dopo che l’integrazione è stata completata.

Conclusione

Llama è interessante non perché sia semplicemente “la risposta open source di Meta a ChatGPT”, ma perché offre un modello operativo diverso: pesi accessibili, maggiore controllo sull’infrastruttura e possibilità di costruire sistemi personalizzati, accompagnati però da requisiti tecnici e condizioni di licenza che non puoi ignorare.

Per orientarti, partirei da tre domande.

Se vuoi soltanto chattare con l’AI di Meta, il riferimento è Meta AI, non il download di un modello. Se vuoi sviluppare o sperimentare con i pesi, Scout e Maverick sono le opzioni pubblicamente documentate della quarta generazione, ma in Europa devi verificare con attenzione le restrizioni previste per i modelli multimodali. Se invece il tuo requisito principale è eseguire un modello su hardware contenuto, non dare per scontato che la release più grande sia quella giusta: anche una generazione o una variante più gestibile può essere tecnicamente migliore per il progetto.

La scelta sensata, quindi, non parte dal benchmark più alto. Parte da licenza, accesso, dati, hardware, workload e livello di controllo realmente necessario.