Llama AI چیست؟

Llama AI در یک دقیقه

مدل Llama خانواده‌ای از مدل‌های زبانی بزرگ است که توسط Meta، شرکت سازنده فیس‌بوک، اینستاگرام و واتس‌اپ، توسعه یافته است. وقتی افراد واژه «Llama AI» را جستجو می‌کنند، معمولاً منظورشان یکی از این مدل‌ها یا یک برنامه چت مبتنی بر آن‌هاست. نسخه اول در ۲۴ فوریه ۲۰۲۳ با نام LLaMA (مخفف Large Language Model Meta AI) منتشر شد. Meta از آن زمان چندین نسل از این مدل را عرضه کرده است و تا اکتبر ۲۰۲۶، جدیدترین نسل آن همچنان Llama 4 است که در ۵ آوریل ۲۰۲۵ منتشر شد.

آنچه Llama را از دستیارهایی مانند ChatGPT یا Gemini متمایز می‌کند، شیوه عرضه آن توسط Meta است. Meta وزن‌های مدل (model weights)—فایل‌های حجیمی که تمام آموخته‌های مدل را شامل می‌شوند—را منتشر می‌کند. هر کسی با پذیرش مجوز می‌تواند آن‌ها را دانلود کرده، روی سخت‌افزار اختصاصی خود اجرا کند، آن‌ها را فاین‌تیون (fine-tune) کند و بر پایه آن‌ها محصول بسازد. اصطلاح رایج برای این رویکرد «وزن‌های باز» (open weights) است: شما مدل آموزش‌دیده را دریافت می‌کنید، اما تحت مجوز اختصاصی Meta و با شرایط مشخص.

در Llama.Online می‌توانید مستقیماً در مرورگر خود با چهار مدل واقعی Llama به‌صورت رایگان گفتگو کنید: Llama 4 Maverick، Llama 4 Scout، Llama 3.3 70B و Llama 3.1 8B. ما یک وب‌سایت مستقل هستیم و توسط Meta اداره نمی‌شویم. مدل‌ها روی ارائه‌دهنده پردازش ابری اجرا می‌شوند و سایت ما پیام‌های شما را به آن‌ها ارسال کرده و پاسخ‌ها را به‌صورت زنده نمایش می‌دهد.

سازنده Llama کیست؟

توسعه و عرضه Llama توسط .Meta Platforms, Inc انجام می‌شود. هر نسخه همراه با یک شناسنامه مدل (model card) ارائه می‌شود که داده‌های آموزشی، زبان‌های پشتیبانی‌شده، کاربردهای در نظر گرفته‌شده و مجوز مدل را توضیح می‌دهد. Meta این شناسنامه‌ها و وزن‌های مدل را در Hugging Face تحت سازمان meta-llama منتشر می‌کند.

در سال ۲۰۲۵، Meta فعالیت‌های هوش مصنوعی خود را در قالب گروهی جدید به نام Meta Superintelligence Labs بازسازماندهی کرد که اکنون جدیدترین مدل‌های Meta را با نام متفاوتی به نام Muse می‌سازد. مدل‌های Llama همچنان خانواده با وزن‌های باز Meta باقی مانده‌اند و بسیار پرکاربرد هستند، اما Meta دیگر جدیدترین دستاوردهای خود را در این مجموعه قرار نمی‌دهد.

Llama چگونه کار می‌کند، به زبان ساده

یک مدل Llama در واقع یک شبکه عصبی است که روی حجم عظیمی از متون—و در Llama 4 روی تصاویر نیز—آموزش دیده است. مدل با پیش‌بینی مکرر قطعه کوچک بعدی متن، موسوم به توکن (token)، تا زمان کامل شدن متن، پاسخ را می‌نویسد. در طول آموزش، مدل با گرامر، حقایق، سبک‌های نگارش و الگوهای استدلال آشنا می‌شود. سپس Meta نسخه‌های «instruct» را بر اساس نمونه‌های گفتگو تنظیم می‌کند تا درخواست‌ها را به‌خوبی درک کرده و پاسخ‌های مفید ارائه دهند. مدل‌های موجود در چت ما دقیقاً همین نسخه‌های instruct هستند.

سه مفهوم اصلی تفاوت بین مدل‌های مختلف Llama را مشخص می‌کنند:

• اندازه (Size). مدل‌ها بر اساس تعداد پارامترهایشان (اعداد درون شبکه عصبی) توصیف می‌شوند. مدل Llama 3.1 8B دارای ۸ میلیارد و مدل Llama 3.3 70B دارای ۷۰ میلیارد پارامتر است. اندازه بزرگ‌تر معمولاً به معنای دانش بیشتر و درک بهتر نکات ظریف است، اما پاسخ‌ها کندتر بوده و به سخت‌افزار قدرتمندتری نیاز دارد.
• ترکیب متخصصان (Mixture of experts). مدل Llama 4 اولین نسلی از Llama است که با این معماری ساخته شده است. هر مدل شامل چندین زیرشبکه متخصص است و برای هر توکن تنها از بخشی از آن‌ها استفاده می‌کند. طبق شناسنامه مدل ارائه شده توسط Meta، مدل Llama 4 Maverick در مجموع ۴۰۰ میلیارد پارامتر دارد و در هر توکن از ۱۷ میلیارد آن استفاده می‌کند، در حالی که Llama 4 Scout در مجموع ۱۰۹ میلیارد پارامتر داشته و آن هم در هر توکن از ۱۷ میلیارد پارامتر استفاده می‌کند. نتیجه این ساختار، دانش بسیار بالا در کنار سرعت پاسخگویی زیاد است.
• پنجره زمینه (Context window). این معیار نشان می‌دهد مدل چه مقدار متن را می‌تواند به‌طور هم‌زمان مد نظر قرار دهد. طبق شناسنامه‌های مدل Meta، این مقدار برای Llama 3.1 و 3.3 برابر با 128K توکن، برای Llama 4 Maverick برابر با 1M و برای Llama 4 Scout برابر با 10M توکن است. ارائه‌دهندگان میزبانی معمولاً مقداری کمتر از حداکثر رسمی را ارائه می‌دهند و برنامه‌های چت، از جمله سایت ما، گفتگوهای بسیار طولانی را کوتاه می‌کنند.

هر مدل Llama یک تاریخ انقضای دانش (knowledge cut-off) دارد؛ یعنی بر اساس داده‌های تا یک تاریخ مشخص آموزش دیده و از وقایع بعد از آن بی‌خبر است. طبق اعلام Meta، این تاریخ برای Llama 3.1 و 3.3 دسامبر ۲۰۲۳ و برای Llama 4 اوت ۲۰۲۴ است. یک مدل Llama به‌تنهایی نمی‌تواند در اینترنت جستجو کند و چت ما نیز دسترسی به وب ندارد.

خانواده Llama در یک نگاه

شرح کامل تغییرات در هر نسخه را می‌توانید در صفحه تاریخچه Llama بخوانید. صفحات اطلاعاتی اختصاصی برای Llama 3.2 و Llama Guard 4 نیز در دسترس هستند.

پس از Llama 4 چه رخ داد؟

اگر مقالات قدیمی‌تر را خوانده باشید، شاید اکنون انتظار مدل Llama 5 را داشته باشید. تا اکتبر ۲۰۲۶ چنین مدلی وجود ندارد. در آوریل ۲۰۲۵، Meta پیش‌نمایشی از مدل معلم بسیار بزرگ‌تری به نام Llama 4 Behemoth ارائه داد و اعلام کرد که در حال آموزش است. رویترز در مه ۲۰۲۵ گزارش داد که عرضه آن به تعویق افتاده است و Meta هنوز آن را منتشر نکرده است. در عوض، مدل‌های جدیدتر Meta با نام Muse معرفی می‌شوند:

• Muse Spark (۸ آوریل ۲۰۲۶) نخستین مدل توسعه‌یافته توسط Meta Superintelligence Labs است. این مدل نیروبخش اپلیکیشن Meta AI و meta.ai است. وزن‌های آن منتشر نشده و Meta آن را از طریق API به شرکای منتخب ارائه کرده است.
• Muse Glimmer (۱۰ اوت ۲۰۲۶) یک مدل ۳۰ میلیارد پارامتری ویژه عامل‌های محلی (local agents) است. Meta وزن‌های آن را در Hugging Face تحت مجوز Apache 2.0 عرضه کرد.
• Muse Wonder و Muse Wonder Full (۱۲ اکتبر ۲۰۲۶) به گفته Meta توانمندترین مدل‌های این شرکت تا به امروز هستند. این مدل‌ها از طریق Meta Model API و ابزار Muse Code ارائه می‌شوند و وزن‌های دانلودی ندارند.
• Muse Spark Open (۱۵ اکتبر ۲۰۲۶) نسخه با وزن‌های باز از Muse Spark تحت مجوزی جدید به نام Muse Model License است که شرایط تجاری محدودی دارد.

این تغییر دو نتیجه عملی داشت: اول این‌که دستیار هوش مصنوعی Meta در برنامه‌های آن اکنون به جای Llama از Muse استفاده می‌کند. دوم این‌که Meta در ۶ ژوئیه ۲۰۲۶ نسخه پیش‌نمایش میزبانی‌شده Llama API را تعطیل کرد. در مرکز راهنمای توسعه‌دهندگان Meta ذکر شده که مدل‌های Llama دیگر از طریق Meta Model API ارائه نمی‌شوند و باید آن‌ها را دانلود کرده و شخصاً میزبانی کنید. مدل‌های Llama همچنان از سمت Meta قابل دانلود بوده و روی بسیاری از ارائه‌دهندگان ابری در دسترس هستند؛ چت ما نیز به همین شیوه کار می‌کند.

کاربردهای اصلی Llama

• پرسش‌های روزمره و توضیحات. می‌توانید درخواست کنید یک موضوع به‌سادگی توضیح داده شود، گزینه‌ها با هم مقایسه شوند یا یک روند مرحله به مرحله آموزش داده شود.
• تولید محتوا و ویرایش متن. نگارش پیش‌نویس، ایمیل، پست‌های شبکه‌های اجتماعی، داستان، بازنویسی با لحن متفاوت و ویرایش نگارشی.
• خلاصه‌سازی. یک مقاله یا یادداشت را قرار دهید و نکات کلیدی، نسخه کوتاه یا فهرست اقدامات لازم را دریافت کنید.
• پشتیبانی از زبان‌های گوناگون. مدل Llama 4 رسماً از ۱۲ زبان پشتیبانی می‌کند: عربی، انگلیسی، فرانسوی، آلمانی، هندی، اندونزیایی، ایتالیایی، پرتغالی، اسپانیایی، تاگالوگ، تایلندی و ویتنامی. مدل‌های Llama 3.1 و 3.3 از ۸ زبان پشتیبانی می‌کنند. سایر زبان‌ها نیز معمولاً با درصد خطای بیشتر قابل استفاده هستند.
• کمک به برنامه‌نویسی. توضیح کد، نوشتن توابع کوچک، اشکال‌زدایی و ترجمه کد بین زبان‌های برنامه‌نویسی مختلف.
• پردازش تصویر با Llama 4. توصیف عکس، خواندن نمودار یا اسکرین‌شات و پاسخ به سوالات مرتبط با تصاویر.
• ساخت محصولات اختصاصی. شرکت‌ها می‌توانند Llama را روی سرورهای اختصاصی خود اجرا کنند، داده‌ها را کاملاً محرمانه نگه دارند و مدل را فاین‌تیون کنند.

محدودیت‌هایی که باید به خاطر داشت

• احتمال اشتباه با لحنی مطمئن. مانند هر مدل زبانی دیگر، Llama نیز ممکن است گاهی فکت‌ها، نام‌ها، اعداد یا منابع ساختگی ارائه دهد. موضوعات مهم را همیشه راستی‌آزمایی کنید.
• عدم دسترسی به داده‌های لحظه‌ای. این مدل‌ها از اخبار جدید، قیمت‌ها یا رویدادهای پس از تاریخ انقضای داده‌های خود مطلع نیستند و امکان جستجوی آنلاین را ندارند.
• جایگزین مشاوره حرفه‌ای نیست. مدل می‌تواند اطلاعات عمومی در زمینه‌های پزشکی، حقوقی یا مالی ارائه دهد، اما پزشک، وکیل یا مشاور مالی نیست.
• دیگر جدیدترین مدل روز نیست. تاریخ عرضه Llama 4 آوریل ۲۰۲۵ است و مدل‌های جدیدتر، از جمله مدل Muse Wonder خود Meta، در کدنویسی‌های پیچیده و کارهای طولانی با عامل‌های هوشمند عملکرد بهتری دارند. با این حال، Llama 4 برای گفتگوهای روزمره، نگارش متن و کارهای تصویری فوق‌العاده توانمند است.

وزن‌های باز، مجوز و نماد "Built with Llama"

از نسخه Llama 2 به بعد، هر نسخه با مجوز اختصاصی Llama Community License منتشر شده است. به‌طور خلاصه، این مجوز امکان استفاده، کپی، تغییر و بازنشر رایگان مدل‌ها را حتی برای مصارف تجاری فراهم می‌کند. در مقابل، باید خط‌مشی استفاده مجاز Meta را رعایت کنید، عبارت "Built with Llama" را در محصولات ساخته‌شده نمایش دهید، نام هر مدل آموزش‌دیده بر پایه Llama را با کلمه «Llama» آغاز کنید و در زمان بازنشر وزن‌ها، کپی مجوز را همراه آن بیاورید. شرکت‌هایی که محصولاتشان در زمان انتشار هر نسخه بیش از ۷۰۰ میلیون کاربر فعال ماهانه داشته باشد، باید مجوز جداگانه‌ای از Meta دریافت کنند. برای مدل‌های چندوجهی در Llama 3.2 و Llama 4، خط‌مشی استفاده مجاز این حقوق را به کاربران و شرکت‌های مستقر در اتحادیه اروپا واگذار نمی‌کند، هرچند کاربران نهایی محصولات ساخته‌شده با آن‌ها مشمول این محدودیت نیستند.

به همین دلیل است که در پاورقی سایت ما عبارت "Built with Llama" درج شده است. صفحه مجوز Llama جزئیات این شرایط را بررسی می‌کند و راهنمای هوش مصنوعی متن‌باز توضیح می‌دهد که چرا بسیاری از افراد به جای «متن‌باز» از عبارت «وزن‌های باز» برای Llama استفاده می‌کنند.

روش‌های استفاده از Llama AI

چت در مرورگر

سریع‌ترین روش، استفاده از ابزار چت رایگان Llama ما است. بدون نیاز به نصب یا ثبت‌نام، هم روی گوشی و هم روی کامپیوتر کار می‌کند.

اجرا روی کامپیوتر شخصی

ابزارهایی مثل Ollama، LM Studio و llama.cpp امکان دانلود مدل Llama و اجرای آفلاین آن را روی سیستم شما فراهم می‌کنند. مدل‌های کوچک مانند Llama 3.2 3B یا Llama 3.1 8B روی بسیاری از لپ‌تاپ‌ها قابل اجرا هستند؛ اما مدل‌های بزرگ‌تر به سخت‌افزار بسیار قدرتمندی نیاز دارند. راهنمای اجرای محلی Llama را ببینید.

فراخوانی از طریق کدنویسی

توسعه‌دهندگان می‌توانند از طریق سرویس‌های ارائه‌دهنده ابری سازگار با OpenAI API (مانند OpenRouter) به Llama متصل شوند. راهنمای Llama API شامل کدهای آماده و قیمت‌های رسمی است.

چگونه چت با Llama را شروع کنیم؟

1. صفحه چت را باز کنید. مدل Llama 4 Maverick به‌صورت پیش‌فرض انتخاب شده است.
2. در صورت تمایل، مدل دیگری را از منو انتخاب کنید. راهنمای انتخاب مدل مناسب Llama در تصمیم‌گیری به شما کمک می‌کند.
3. پرسش خود را بنویسید، یا هنگام استفاده از مدل Llama 4 یک عکس یا اسکرین‌شات ضمیمه کنید.
4. پرسش‌های بعدی خود را مطرح کرده و اطلاعات مهم را با منابع معتبر بررسی کنید.

هر کاربر سهمیه استفاده روزانه رایگان دارد که در حال حاضر ۱۰۰ پیام در روز است و با ابزارهای هوش مصنوعی ما مشترک است. نکات مفید: آموزش نوشتن پرامپت‌های بهتر.

پرسش‌های متداول

آیا استفاده از Llama AI رایگان است؟

دانلود مدل‌ها تحت مجوز Meta رایگان است، اما اجرای آن‌ها مستلزم هزینه سخت‌افزار یا منابع ابری است. چت سایت ما با سهمیه پیام روزانه رایگان بوده و از طریق نمایش تبلیغات تأمین مالی می‌شود.

آیا Llama همان Meta AI است؟

خیر. دستیار Meta AI محصول اختصاصی Meta درون برنامه‌های آن و وب‌سایت meta.ai است. این دستیار قبلاً روی Llama اجرا می‌شد، اما از آوریل ۲۰۲۶ بر پایه مدل Muse Spark کار می‌کند. اما Llama خانواده‌ای از مدل‌ها با وزن‌های باز است که همه افراد، از جمله سایت‌های مستقل مثل ما، می‌توانند از آن استفاده کنند.

آیا Llama متن‌باز (Open Source) است؟

وزن‌های آن به‌صورت رایگان قابل دانلود است، اما مجوز Llama Community License شرایطی مثل رعایت سیاست استفاده و شرط ۷۰۰ میلیون کاربر را تعیین کرده که در مجوزهای کلاسیک متن‌باز وجود ندارد؛ به همین دلیل «وزن‌های باز» (open weights) اصطلاح دقیق‌تری است.

آیا Llama 5 منتشر شده است؟

خیر. تا اکتبر ۲۰۲۶، جدیدترین نسل، Llama 4 است. مدل‌های جدیدتر Meta تحت عنوان Muse نام‌گذاری شده‌اند و ارتباطی با خانواده Llama یا چت ما ندارند.

کدام مدل Llama را انتخاب کنم؟

برای بیشتر کارها و همچنین پردازش تصویر از Llama 4 Maverick استفاده کنید. مدل Scout برای متون بسیار طولانی، Llama 3.3 70B برای کارهای صرفاً متنی و Llama 3.1 8B برای پاسخ‌های سریع و کوتاه گزینه‌های ایده‌آلی هستند.

آیا Llama می‌تواند تصاویر را تحلیل کند؟

مدل‌های Llama 4 Maverick و Llama 4 Scout و همچنین مدل‌های بینایی Llama 3.2 از تصویر پشتیبانی می‌کنند. در چت ما هنگام انتخاب مدل Llama 4 می‌توانید همراه با هر پیام یک تصویر بفرستید. مدل Llama امکان ساخت تصویر را ندارد.