Llama Guard 4

Qué es Llama Guard 4 y quién lo crea

Llama Guard 4 es un modelo de seguridad desarrollado por Meta. No es un chatbot con el que puedas conversar. En cambio, los desarrolladores lo colocan junto a un modelo de chat para revisar tanto lo que entra como lo que sale. A partir de un prompt del usuario o de la respuesta del modelo, Llama Guard 4 genera un veredicto breve: "safe" (seguro) o "unsafe" (inseguro), seguido de las categorías de riesgo que haya detectado. Funciona con texto y con imágenes, incluyendo varias imágenes en un mismo prompt.

Según la ficha técnica de Meta, Llama Guard 4 cuenta con 12 mil millones de parámetros y una arquitectura densa. Meta lo creó a partir de un checkpoint preentrenado de Llama 4 Scout, eliminando los expertos enrutados para conservar solo el experto compartido y ajustándolo después para tareas de clasificación de seguridad. Comparte su tokenizador y codificador de visión con Llama 4 Scout y Maverick, y puede ejecutarse en una sola GPU. Se incorporó a OpenRouter el 30 de abril de 2025, pocas semanas después del lanzamiento de Llama 4, y se distribuye bajo la Llama 4 Community License.

La familia Llama Guard

Meta ha publicado varias versiones de Llama Guard a la par de sus lanzamientos de Llama. Llama Guard 4 combina lo que antes eran dos modelos independientes —Llama Guard 3 8B para texto y Llama Guard 3 11B Vision para imágenes— en un único clasificador. Meta lo complementa con otras herramientas abiertas de seguridad; por ejemplo, la ficha técnica recomienda Llama Prompt Guard 2 para detectar ataques mediante prompts, como los intentos de jailbreak.

Qué evalúa: las categorías de riesgo

Llama Guard 4 está entrenado con la taxonomía de riesgos de MLCommons, más una categoría adicional para el uso de herramientas. Cuando marca un contenido como inseguro, señala las categorías correspondientes:

"Consejos especializados" incluye respuestas que ofrecen asesoría financiera, médica o legal especializada, o que sugieren que actividades u objetos peligrosos son seguros.

Puntos fuertes de Llama Guard 4

• Filtrado de entrada. Revisa el prompt del usuario antes de que llegue al modelo principal y bloquea a tiempo las solicitudes claramente dañinas.
• Filtrado de salida. Evalúa la respuesta del modelo principal antes de mostrarla, dándole la oportunidad de responder de forma segura y bloqueándola solo si el resultado no lo es.
• Imágenes. Clasifica prompts que combinan texto con una o más imágenes, algo que los modelos de seguridad anteriores, limitados solo a texto, no podían hacer.
• Múltiples idiomas. Es compatible con inglés y con los idiomas de Llama Guard 3, que Meta lista como alemán, español, francés, hindi, italiano, portugués y tailandés.

Meta señala que combinar el filtrado de entrada y de salida brinda mayor seguridad, y que en sus pruebas internas el filtrado de entrada aumentó la tasa de rechazo más que el de salida.

Limitaciones a tener en cuenta

• Es un modelo, no un reglamento estricto. Puede pasar por alto contenido dañino o marcar erróneamente contenido inocuo. La documentación de Meta aclara que su rendimiento puede verse limitado por sus datos de entrenamiento en áreas que requieren sentido común o idiomas específicos.
• Datos que no puede contrastar. Categorías como difamación, propiedad intelectual y elecciones suelen requerir información actualizada para evaluarse con precisión; Meta recomienda usar sistemas más complejos para casos sensibles en estas áreas.
• Ataques mediante prompts. Al ser un modelo de lenguaje, puede ser engañado por ataques adversarios o inyecciones de prompts.
• Muchas imágenes simultáneas. Se probó principalmente con prompts que contienen pocas imágenes, por lo que los resultados pueden variar al procesar una cantidad mucho mayor.

Cómo obtener Llama Guard 4 oficialmente

Los pesos están disponibles en Hugging Face bajo el nombre meta-llama/Llama-Guard-4-12B, donde la ficha técnica de Meta también incluye código de ejemplo para la biblioteca Transformers. Para acceder a los archivos, debes aceptar la licencia en la página del modelo. OpenRouter lo ofrece con una ventana de contexto de 163,840 tokens a $0.18 por millón de tokens de entrada y $0.18 por millón de tokens de salida (precio de lista de OpenRouter, oct. de 2026).

Al ser un modelo de Llama 4, está sujeto a la Llama 4 Community License y a su política de uso aceptable, lo que incluye la mención "Built with Llama" en los productos que lo utilicen y las condiciones específicas para modelos multimodales en la UE. Consulta nuestra página sobre licencias para ver un resumen claro, y nuestra guía de API para aprender a llamar a los modelos Llama desde tu código.

Notas sobre privacidad

Un clasificador de seguridad lee cada mensaje que analiza, así que trátalo como cualquier otro componente de tu flujo de IA: si lo usas mediante un proveedor en la nube, aplican las políticas de privacidad de ese proveedor; si lo alojas tú mismo, los datos se quedan en tus servidores. Nuestra guía sobre privacidad y seguridad en la IA detalla buenas prácticas para los usuarios.

Cómo se compara Llama Guard 4

Frente a Llama Guard 3, Meta reporta que la versión 4 iguala o supera el rendimiento de los modelos anteriores de texto y visión, pero en un solo modelo unificado. Comparado con modelos de chat como Llama 4 Scout, es mucho más ligero y solo se encarga de clasificar: no genera respuestas. Si estás desarrollando una app con modelos abiertos, un modelo de seguridad como este funciona como una capa de protección, complementando reglas de uso claras, límites de peticiones y revisión humana.

Preguntas frecuentes

¿Puedo chatear con Llama Guard 4 en Llama.Online?

No, Llama Guard 4 no está en nuestro chat. Es un clasificador para desarrolladores, no un modelo conversacional.

¿Qué devuelve Llama Guard 4 como respuesta?

Un veredicto breve en texto: "safe" o "unsafe", acompañado de los códigos de categoría correspondientes (como S9 para armas indiscriminadas).

¿Funciona con imágenes?

Sí. Clasifica prompts que combinan texto con una o varias imágenes.

¿Llama Guard 4 es gratis?

Los pesos se pueden descargar gratis bajo la Llama 4 Community License. Las API en la nube cobran según el uso de tokens.