LLaMA

Meta（Facebook）推出的AI大语言模型

价格：免费增值

什么是 LLaMA？（平台定位与核心价值）

LLaMA（Large Language Model Meta AI）是由科技巨头Meta于2023年春季正式发布并面向全球学术界开源开放的划时代开源大语言模型。在LLaMA问世之前，顶尖大模型技术几乎被OpenAI等极少数商业公司的闭源API完全垄断。LLaMA以“小参数规模释放前所未有的大智慧”为设计哲学，证明了在更庞大、更高质量的公开数据集上进行充分预训练，较小参数模型（如7B、13B、65B）同样能够匹敌甚至击败数百亿参数的专有巨型模型。LLaMA的开源犹如“AI时代的普罗米修斯盗火”，引爆了全球开源大模型社区的浩瀚繁荣（Vicuna、Alpaca、WizardLM等海量衍生生态均发轫于此）。

适用人群与典型场景

全球开源 AI 极客与学术先锋：研读现代大语言模型标准Transformer架构（RMSNorm、SwiGLU、RoPE位置编码）的经典实现。
大模型系统架构师与系统工程师：基于其极简且教科书级的源码，开发模型量化（llama.cpp）、显存优化与推理加速工具。
跨平台端侧智能探索者：在消费级笔记本、MacBook乃至智能手机上首次成功实现本地离线流畅运行大语言模型。
人工智能历史研习者：了解全球开源大模型运动从零到一爆发的历史转折点。

核心功能与特色亮点

定义了现代大模型的标准黄金架构：全面采用Pre-normalization（RMSNorm）、SwiGLU激活函数与旋转位置编码（RoPE），成为全球大模型的事实标准架构。
极简优雅的纯 PyTorch 原生实现：官方开源的llama仓库代码极其短小精悍、完全没有多余工程冗余，是全球学习大模型架构的最优范本。
催生了全球最大开源模型生态雨林：引发了全球范围内的量化热潮（llama.cpp、GGUF）与高效微调技术（LoRA、Alpaca）的大爆发。
强大的跨尺寸学术基线能力：从轻量级7B、13B到旗舰65B，全系列尺寸均在各项学术基准上展现了出类拔萃的泛化能力。

如何快速上手 LLaMA？（使用教程）

环境与使用前置：LLaMA为Meta开源基础项目（github.com/facebookresearch/llama），支持在Linux/macOS上通过PyTorch或开源生态加载运行。

克隆官方源码仓库：打开终端，执行git clone https://github.com/facebookresearch/llama.git。
安装基础依赖环境：在虚拟环境中输入pip install -e .，安装PyTorch与依赖组件。
获取模型权重并解压：通过Meta官方申请通过后提供的预签名下载链接，下载7B或13B权重文件。
使用 PyTorch 启动文本补全：执行官方示例torchrun --nproc_per_node 1 example_text_completion.py --ckpt_dir ./7B --tokenizer_path ./tokenizer.model。
通过现代生态（如 llama.cpp / Ollama）日常使用：现代开发者更推荐直接通过编译好的llama.cpp或Ollama一键加载其衍生微调权重，享受毫秒级运行。

收费标准与版本差异（产品价格）

LLaMA遵循学术非商业研究开源许可：

初代 LLaMA（非商业科研许可）：初代模型权重主要面向学术界科研申请，完全免费开放供学术论文与科学探索使用。
现代后续演进版本（Llama 2 / Llama 3）：Meta随后推出的全新Llama 2与Llama 3已全面开放商用许可，支持全球企业免费商业部署与分发。

客观评价与选型建议

优势：大模型开源历史上最具划时代里程碑意义的神作，架构设计极度优雅，彻底点燃了全球开源AI生态的燎原之火。
局限与建议：作为初代开源探索，其词表大小较小（32K）且主要基于英文语料预训练，现代全新项目强烈建议直接选用升级换代后的Llama 3或Qwen 2.5。
同类工具横向参考：现代开源旗舰首选Llama 3；国内开源顶流首选通义千问（Qwen 2.5）。