Llama AI là gì?

Llama AI trong một phút

Llama là dòng mô hình ngôn ngữ lớn do Meta phát triển — tập đoàn đứng sau Facebook, Instagram và WhatsApp. Khi mọi người tìm kiếm "Llama AI", họ thường muốn nhắc đến một trong những mô hình này hoặc ứng dụng trò chuyện sử dụng chúng. Phiên bản đầu tiên ra mắt vào ngày 24 tháng 2 năm 2023 với tên gọi LLaMA, viết tắt của Large Language Model Meta AI. Kể từ đó, Meta đã phát hành nhiều thế hệ, và tính đến tháng 10 năm 2026, thế hệ Llama mới nhất vẫn là Llama 4, ra mắt ngày 5 tháng 4 năm 2025.

Điểm khác biệt giữa Llama và các trợ lý như ChatGPT hay Gemini nằm ở cách Meta chia sẻ mô hình. Meta công khai trọng số mô hình (model weights) — những tệp dữ liệu lớn chứa toàn bộ kiến thức mô hình đã học. Bất kỳ ai đồng ý với điều khoản giấy phép đều có thể tải về, chạy trên phần cứng riêng, tinh chỉnh (fine-tune) và xây dựng sản phẩm dựa trên đó. Thuật ngữ phổ biến cho mô hình này là "trọng số mở" (open weights): bạn nhận được mô hình đã huấn luyện, nhưng tuân theo giấy phép kèm các điều kiện của riêng Meta.

Trên Llama.Online, bạn có thể trò chuyện miễn phí với 4 mô hình Llama chính thức ngay trên trình duyệt: Llama 4 Maverick, Llama 4 Scout, Llama 3.3 70B và Llama 3.1 8B. Chúng tôi là một trang web độc lập, không do Meta vận hành. Các mô hình chạy trên nhà cung cấp hạ tầng đám mây (cloud inference), và trang web của chúng tôi sẽ chuyển tiếp tin nhắn của bạn đến hệ thống rồi truyền phát (stream) câu trả lời trở lại.

Ai phát triển Llama?

Llama được phát triển và phát hành bởi Meta Platforms, Inc. Mỗi bản phát hành đều đi kèm một bản mô tả mô hình (model card) nêu rõ dữ liệu huấn luyện, ngôn ngữ hỗ trợ, mục đích sử dụng dự kiến và giấy phép. Meta công bố các model card và trọng số trên Hugging Face dưới tổ chức meta-llama.

Năm 2025, Meta tái cấu trúc mảng AI dưới một nhóm mới mang tên Meta Superintelligence Labs, hiện đang phát triển các mô hình mới nhất của Meta dưới tên gọi Muse. Llama vẫn là dòng mô hình trọng số mở của Meta và tiếp tục được sử dụng rộng rãi, nhưng không còn là nơi Meta giới thiệu những thành tựu nghiên cứu mới nhất của mình.

Cách Llama hoạt động một cách dễ hiểu

Mô hình Llama là một mạng nơ-ron được huấn luyện trên khối lượng văn bản khổng lồ và đối với Llama 4 là cả hình ảnh. Mô hình tạo ra câu trả lời bằng cách liên tục dự đoán phần văn bản nhỏ tiếp theo, gọi là token, cho đến khi hoàn thiện phản hồi. Trong quá trình huấn luyện, mô hình tiếp thu ngữ pháp, dữ kiện, văn phong và các phương thức suy luận. Sau đó, Meta tinh chỉnh các phiên bản "instruct" dựa trên các cuộc hội thoại mẫu để mô hình làm theo yêu cầu và phản hồi hữu ích hơn. Các mô hình trong phần chat của chúng tôi chính là những phiên bản instruct này.

Ba yếu tố chính tạo nên sự khác biệt giữa các mô hình Llama:

• Quy mô (Size). Các mô hình được đo lường bằng tham số (parameters) — những con số bên trong mạng nơ-ron. Llama 3.1 8B có 8 tỷ tham số và Llama 3.3 70B có 70 tỷ tham số. Quy mô càng lớn thường đồng nghĩa với nhiều kiến thức hơn và khả năng nắm bắt ngữ cảnh tinh tế hơn, nhưng đổi lại tốc độ phản hồi sẽ chậm hơn và yêu cầu phần cứng đắt đỏ hơn.
• Mixture of experts (MoE). Llama 4 là thế hệ Llama đầu tiên được xây dựng theo kiến trúc này. Mỗi mô hình chứa nhiều mạng chuyên gia con (expert sub-networks) và chỉ sử dụng một vài chuyên gia cho mỗi token. Theo model card của Meta, Llama 4 Maverick có tổng cộng 400 tỷ tham số và kích hoạt 17 tỷ tham số trên mỗi token, trong khi Llama 4 Scout có 109 tỷ tham số và cũng dùng 17 tỷ tham số cho mỗi token. Nhờ đó, mô hình lưu trữ được lượng kiến thức khổng lồ nhưng vẫn đảm bảo tốc độ phản hồi nhanh.
• Ngữ cảnh (Context window). Đây là lượng văn bản mô hình có thể xử lý cùng một lúc. Model card của Meta ghi nhận 128K token cho Llama 3.1 và 3.3, 1M cho Llama 4 Maverick và 10M cho Llama 4 Scout. Các nhà cung cấp dịch vụ hosting thường cung cấp mức ngữ cảnh thấp hơn mức tối đa này, và các ứng dụng chat, bao gồm cả chúng tôi, sẽ cắt bớt các cuộc hội thoại quá dài.

Mỗi mô hình Llama đều có mốc giới hạn kiến thức (knowledge cut-off). Mô hình chỉ học từ dữ liệu tính đến một thời điểm nhất định và không biết gì về những sự kiện diễn ra sau đó. Meta ghi nhận mốc tháng 12 năm 2023 cho Llama 3.1 và 3.3, và tháng 8 năm 2024 cho Llama 4. Bản thân mô hình Llama không thể tự duyệt web, và tính năng chat của chúng tôi cũng không hỗ trợ truy cập web.

Tổng quan về các phiên bản Llama

Để tìm hiểu toàn bộ hành trình và những cải tiến qua từng phiên bản, hãy xem trang lịch sử Llama. Chúng tôi cũng có các trang thông tin riêng về Llama 3.2 và Llama Guard 4.

Chuyện gì diễn ra sau Llama 4?

Nếu đọc các bài viết cũ hơn, bạn có thể nghĩ rằng hiện tại đã có Llama 5. Tuy nhiên tính đến tháng 10 năm 2026, phiên bản này vẫn chưa xuất hiện. Vào tháng 4 năm 2025, Meta từng giới thiệu mô hình "thầy" (teacher model) lớn hơn nhiều mang tên Llama 4 Behemoth và cho biết vẫn đang huấn luyện. Reuters đưa tin vào tháng 5 năm 2025 rằng việc phát hành đã bị hoãn lại, và Meta vẫn chưa công bố mô hình này. Thay vào đó, các mô hình mới hơn của Meta được đặt tên là Muse:

• Muse Spark (08/04/2026) là mô hình đầu tiên từ Meta Superintelligence Labs. Mô hình này vận hành ứng dụng Meta AI và meta.ai. Trọng số mô hình không được phát hành công khai; Meta cung cấp mô hình cho các đối tác được chọn qua API.
• Muse Glimmer (10/08/2026) là mô hình 30 tỷ tham số được thiết kế cho các agent cục bộ. Meta đã phát hành trọng số trên Hugging Face theo giấy phép Apache 2.0.
• Muse Wonder và Muse Wonder Full (12/10/2026) là những mô hình được Meta đánh giá là mạnh mẽ nhất từ trước đến nay. Chúng được cung cấp qua Meta Model API và công cụ Muse Code của Meta mà không có trọng số tải về.
• Muse Spark Open (15/10/2026) là phiên bản trọng số mở của Muse Spark theo Giấy phép Mô hình Muse mới, được Meta mô tả là có các điều khoản thương mại giới hạn.

Sự chuyển hướng này mang lại hai thay đổi thực tế. Đầu tiên, trợ lý Meta AI trong các ứng dụng của Meta hiện chạy trên Muse thay vì Llama. Thứ hai, Meta đã đóng bản xem trước Llama API lưu trữ của mình vào ngày 6 tháng 7 năm 2026. Trung tâm trợ giúp dành cho nhà phát triển của Meta hiện nêu rõ rằng các mô hình Llama không được cung cấp qua Meta Model API mới và Llama là dòng mô hình bạn phải tự tải về và tự host. Bạn vẫn có thể tải các mô hình Llama từ Meta và tiếp cận qua nhiều nhà cung cấp đám mây — đây cũng là cách giao diện chat của chúng tôi hoạt động.

Llama làm tốt những gì?

• Giải đáp câu hỏi và giải thích vấn đề thường ngày. Nhờ mô hình giải thích một chủ đề đơn giản, so sánh các phương án hoặc hướng dẫn bạn từng bước thực hiện một công việc.
• Viết và chỉnh sửa nội dung. Soạn thảo email, bài đăng mạng xã hội, truyện ngắn, viết lại văn bản theo giọng điệu khác và sửa lỗi chính tả.
• Tóm tắt nội dung. Dán một bài báo hoặc ghi chú và yêu cầu tóm tắt ý chính, viết phiên bản ngắn gọn hoặc lập danh sách việc cần làm.
• Hỗ trợ đa ngôn ngữ. Llama 4 chính thức hỗ trợ 12 ngôn ngữ: tiếng Ả Rập, tiếng Anh, tiếng Pháp, tiếng Đức, tiếng Hindi, tiếng Indonesia, tiếng Ý, tiếng Bồ Đào Nha, tiếng Tây Ban Nha, tiếng Tagalog, tiếng Thái và tiếng Việt. Llama 3.1 và 3.3 hỗ trợ 8 ngôn ngữ. Các ngôn ngữ khác cũng có thể hoạt động nhưng tỷ lệ lỗi cao hơn.
• Hỗ trợ lập trình. Giải thích mã nguồn, viết các hàm nhỏ, tìm lỗi (debug) và chuyển đổi giữa các ngôn ngữ lập trình.
• Xử lý hình ảnh với Llama 4. Mô tả ảnh chụp, đọc biểu đồ, ảnh chụp màn hình hoặc trả lời câu hỏi về một bức ảnh.
• Xây dựng sản phẩm riêng. Các doanh nghiệp có thể chạy Llama trên máy chủ riêng, bảo mật toàn bộ dữ liệu nội bộ và tinh chỉnh mô hình theo nhu cầu.

Những hạn chế cần lưu ý

• Có thể trả lời sai nhưng rất tự tin. Giống như mọi mô hình ngôn ngữ lớn khác, Llama đôi khi bịa ra các dữ kiện, tên tuổi, số liệu hoặc trích dẫn nguồn. Luôn kiểm tra lại các thông tin quan trọng.
• Không có dữ liệu thời gian thực. Mô hình không biết về tin tức mới nhất, biến động giá cả hoặc các sự kiện diễn ra sau mốc kiến thức của nó, và cũng không thể tự tra cứu trên mạng.
• Không phải chuyên gia. Mô hình có thể cung cấp thông tin chung về sức khỏe, pháp luật hoặc tài chính, nhưng không thể thay thế bác sĩ, luật sư hay chuyên gia tư vấn tài chính.
• Không còn là mô hình tiên tiến nhất. Llama 4 ra mắt từ tháng 4 năm 2025, và các mô hình mới hơn, bao gồm cả Muse Wonder của Meta, nhìn chung vượt trội hơn trong các tác vụ lập trình phức tạp và tác vụ agent dài hơi. Tuy nhiên, đối với nhu cầu chat, viết lách và xử lý ảnh hàng ngày, Llama 4 vẫn đáp ứng rất tốt.

Trọng số mở, giấy phép và "Built with Llama"

Kể từ Llama 2, mỗi bản phát hành đều đi kèm với Giấy phép Cộng đồng Llama riêng. Tóm lại, giấy phép này cho phép bạn sử dụng, sao chép, sửa đổi và phân phối lại mô hình miễn phí, bao gồm cả mục đích thương mại. Đổi lại, bạn phải tuân thủ chính sách sử dụng chấp nhận được của Meta, hiển thị dòng chữ "Built with Llama" trong các sản phẩm sử dụng mô hình, đặt tên cho bất kỳ mô hình nào bạn huấn luyện từ Llama bắt đầu bằng "Llama", và đính kèm bản sao giấy phép khi chia sẻ trọng số. Các công ty có sản phẩm đạt hơn 700 triệu người dùng hoạt động hàng tháng tại thời điểm phiên bản được phát hành phải yêu cầu Meta cấp giấy phép riêng. Đối với các mô hình đa phương thức trong Llama 3.2 và Llama 4, chính sách sử dụng chấp nhận được không cấp quyền sử dụng cho các cá nhân và tổ chức tại Liên minh Châu Âu (EU), dù người dùng cuối của các sản phẩm sử dụng chúng không bị ảnh hưởng.

Đó là lý do chân trang web của chúng tôi hiển thị dòng chữ "Built with Llama". Trang giấy phép Llama của chúng tôi giải thích chi tiết hơn về các điều khoản, và bài viết hướng dẫn về AI mã nguồn mở sẽ giúp bạn hiểu vì sao nhiều người dùng thuật ngữ "trọng số mở" thay vì "mã nguồn mở" khi nói về Llama.

Các cách sử dụng Llama AI

Trò chuyện trực tiếp trên trình duyệt

Cách nhanh nhất là dùng trình chat Llama miễn phí của chúng tôi. Bạn không cần cài đặt hay tạo tài khoản, và giao diện hoạt động mượt mà trên cả điện thoại lẫn máy tính.

Chạy trên máy tính cá nhân

Các công cụ như Ollama, LM Studio và llama.cpp cho phép bạn tải mô hình Llama về và chạy cục bộ, ngay cả khi không có mạng. Các mô hình nhỏ như Llama 3.2 3B hay Llama 3.1 8B có thể chạy trên nhiều dòng laptop; những mô hình lớn hơn sẽ cần phần cứng chuyên dụng mạnh mẽ. Xem thêm hướng dẫn cách chạy Llama cục bộ.

Gọi qua mã lập trình (API)

Các nhà phát triển có thể kết nối với Llama thông qua các nhà cung cấp dịch vụ đám mây có API tương thích với OpenAI, chẳng hạn như OpenRouter. Hướng dẫn Llama API của chúng tôi cung cấp sẵn các ví dụ mẫu và bảng giá tham khảo mới nhất.

Cách bắt đầu trò chuyện với Llama tại đây

1. Mở trang chat. Mặc định hệ thống sẽ chọn sẵn Llama 4 Maverick.
2. Chọn mô hình khác từ menu nếu muốn. Xem bài viết hướng dẫn cách chọn mô hình Llama phù hợp để đưa ra quyết định.
3. Nhập câu hỏi của bạn, hoặc đính kèm ảnh chụp/ảnh màn hình nếu bạn đang dùng mô hình Llama 4.
4. Tiếp tục đặt các câu hỏi nối tiếp, và nhớ đối chiếu lại các thông tin quan trọng với các nguồn đáng tin cậy.

Mỗi người dùng đều có một hạn mức miễn phí hàng ngày, hiện tại là 100 tin nhắn mỗi ngày, dùng chung với các công cụ AI của chúng tôi. Mẹo nhỏ: tham khảo thêm cách viết prompt hiệu quả.

Câu hỏi thường gặp

Llama AI có miễn phí không?

Các mô hình được tải về miễn phí theo giấy phép của Meta, nhưng việc chạy chúng sẽ tốn chi phí phần cứng hoặc tài nguyên máy chủ đám mây. Trình chat của chúng tôi hoàn toàn miễn phí với hạn mức tin nhắn hàng ngày và được duy trì hoạt động nhờ quảng cáo.

Llama có giống Meta AI không?

Không. Meta AI là ứng dụng trợ lý của Meta tích hợp trong các ứng dụng của họ và trên meta.ai. Trước đây trợ lý này chạy trên Llama, nhưng từ tháng 4 năm 2026, Meta thông báo họ đã chuyển sang Muse Spark. Còn Llama là dòng mô hình trọng số mở mà bất kỳ ai cũng có thể sử dụng, bao gồm cả các trang web độc lập như chúng tôi.

Llama có phải là mã nguồn mở không?

Trọng số của mô hình được tải về công khai, nhưng Giấy phép Cộng đồng Llama có thêm các điều kiện ràng buộc mà các giấy phép nguồn mở truyền thống không có, ví dụ như chính sách sử dụng chấp nhận được và quy định giới hạn 700 triệu người dùng. Do đó, "trọng số mở" là thuật ngữ chính xác hơn.

Đã có Llama 5 chưa?

Chưa. Tính đến tháng 10 năm 2026, thế hệ Llama mới nhất là Llama 4. Các mô hình mới hơn của Meta được đặt tên là Muse, và chúng không thuộc dòng Llama cũng như không có trong hệ thống chat của chúng tôi.

Nên chọn mô hình Llama nào?

Hãy bắt đầu với Llama 4 Maverick cho hầu hết các tác vụ và khi cần xử lý hình ảnh. Dùng Scout cho tài liệu dài, Llama 3.3 70B cho các tác vụ thuần văn bản, và Llama 3.1 8B khi bạn cần câu trả lời ngắn với tốc độ nhanh nhất.

Llama có đọc được hình ảnh không?

Llama 4 Maverick và Llama 4 Scout có hỗ trợ đọc hình ảnh, tương tự các phiên bản thị giác của Llama 3.2. Trong phần chat của chúng tôi, bạn có thể đính kèm một hình ảnh cho mỗi tin nhắn khi chọn mô hình Llama 4. Lưu ý là Llama không có khả năng tạo ra hình ảnh mới.