Meta AIとLlama

モデルと提供内容 #

どんな組織か

このハブは、オープンウェイトモデルを動かしたりファインチューニングしたりするすべての人のためのページです。この3年間、それは多くの場合Llamaを意味していました。そして2026年のMetaの方針転換を追おうとしている人のためのページでもあります。Facebook AI Researchは2013年に設立され、2017年にPyTorchを作り、2023年2月に最初のLlamaの重みを研究者向けにリリースしました。その流出と、続く2023年7月の商用利用可能なLlama 2ライセンスが「オープンウェイト」というカテゴリを生みました。Llama 3（2024年）とLlama 4（2025年4月）が続き、Llamaのエコシステム（llama.cpp、Ollama、LoRAのレシピ）がその周りに育ちました。

2025年にMetaはモデル開発をMeta Superintelligence Labsのもとに再編し、2026年4月には、ダウンロード可能な重みを持たない初のフロンティアモデルであるMuse Sparkを、新しいMeta Model APIを通じて出荷しました。オープンウェイトの流れは2026年10月のMuse Spark Openで再開されました。したがってMetaは今、オープンウェイトの公開者であると同時にクローズドAPIのベンダーでもあり、その2つの側面は異なるライセンスを持ちます。

ツールとAPI

モデル自体についてインストールするものはありません。LlamaのチェックポイントはHugging Face上でライセンス同意のクリックスルーの先にゲートされており、Transformers、vLLM、llama.cpp、MLXで読み込めます。Meta自身のllama-stackツールもありますが、多くの人はオープンソースハブで扱うコミュニティのスタックを使います。

2025年4月リリースのLlama 4モデル: Llama 4 Scout（合計109 B、16エキスパート中アクティブ17 B、Llama 4 Community License）とLlama 4 Maverick（合計400 B、128エキスパート中アクティブ17 B、1 Mコンテキスト）。Scoutのモデルカードは10 Mトークンのコンテキストを謳っていますが、Meta自身のドキュメントには256 kで学習し残りは長さの汎化によるとあるので、10 Mはベンダーの主張として扱ってください。どちらも画像入力に対応します。Llama 3.1 8 B（8 Bパラメータ、128 kコンテキスト、Llama 3.1 Community Licence、2024年7月）は、当サイトのLoRAプロジェクトを含め、チュートリアルで最もよく使われるファインチューニングのベースであり続けています。

Muse Spark Open（合計816 B、アクティブ42 B、1 Mコンテキスト、Muse Model License、2026年10月15日）はHugging Faceにmeta-models/Muse-Spark-Open-816B-A42Bとして置かれ、Baseten、Fireworks、Groq、Togetherなどがホストしています。816 Bという規模はノートPC向けではなくデータセンター向けのモデルです。Metaのブログはこれを米国のオープンウェイトモデルとして史上最高性能だとしています。これはベンダーの主張であり、記事の「Key benchmarks」セクションには本文中にスコアの記載がありません。

ホスト型のMuseモデルには、OpenAI SDKをMetaのエンドポイントに向けてアクセスします。

# needs-api
import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["META_API_KEY"], base_url=os.environ["META_API_BASE_URL"])
chat = client.chat.completions.create(
    model="muse-spark",
    messages=[{"role": "user", "content": "In one sentence, what does a learning rate control?"}],
)
print(chat.choices[0].message.content)

Meta Model APIの料金は開発者サイトで「手頃」としか説明されておらず、公開のトークン単価表は見つからなかったので、dev.meta.aiを参照してください。つまずきやすい点: ゲート付きダウンロードには承認済みリクエストに紐づくHugging Faceトークンが必要なこと、Llama 4モデルは強い量子化なしにはコンシューマーGPU 1枚には大きすぎること、そしてMuseのモデル名（Spark 1.2、1.3、Open、Wonder、Wonder Full、Glimmer）がドキュメントより速いペースで増えていることです。

移行メモ

Llamaから他のものへ: Llamaのアーキテクチャ（RMSNorm、回転位置埋め込み、SwiGLU、グループ化クエリ注意）はMistral、Qwen、Gemmaなど大半が踏襲する雛形になったため、サービングスタックは「Llama系」をデフォルトの経路として扱います。llama.cpp向けのGGUFやApple Silicon向けのMLXへの変換は機械的です。チャットテンプレートはLlama 2、3、4の間で変わっているので、手作りしたプロンプトはapply_chat_templateで生成し直す必要があります。

ホスト型APIから: vLLMの背後でセルフホストしたLlamaやMuse Spark OpenはOpenAI互換エンドポイントを提供するので、アプリケーションコードは変更不要で、移行コストはGPUの運用と、組み込みウェブ検索などのホスト型機能を失うことにあります。MistralハブとGoogleハブで、比較対象となる他の2つのオープンウェイトファミリーを説明しています。モデルのリファレンスにサイズとライセンスの一覧があります。

命名: Community Licenseのもとでは、Llamaモデルの派生物は名前の先頭に「Llama」を付けなければなりません。Hugging Face上のファインチューニング版がLlama-3.1-8B-なんとかという名前になっているのはそのためです。

注意点

落とし穴はライセンスです。Llama 4 Community Licenseはオープンソースではありません。「Built with Llama」の表示、上記の命名規則、利用規定（acceptable use policy）を要求し、リリース日時点で月間アクティブユーザーが7億人を超えるサービスには別途ライセンスが必要です。Llama 4のライセンス文には、EUに所在する事業体によるマルチモーダル利用の制限も含まれていたため、欧州でデプロイする前に現在の文言を確認してください。Muse Model LicenseはMetaによって「限定的な商用条件」と説明されており、重みの上に製品を構築する前に全文を読むべきです。これらのいずれも、成果物をオープンソースと呼ぶことは許していません。

Metaの最も高性能なモデル（Muse Wonder）は今やAPI専用で、将来のLlamaリリースについて同社はほとんど語っていません。次に欲しいMetaのモデルがクローズドである可能性を想定しておいてください。

LlamaとMuseの学習データは詳細には開示されていません。Metaの発表記事のベンチマーク数値はベンダーの公表値です。コンシューマー向けのMeta AI製品は多くの法域でユーザーとのやり取りを学習に使いますが、これは開発者向けAPIとは別です。利用する窓口ごとの規約を読んでください。