TL;DR · 一句话理解
Meta 开源的大语言模型家族（Llama 系列），可下载自部署或经云服务调用；meta.ai 国内需代理，模型权重全球可下载。
✓ 更适合
- +需要开源权重可下载、多规格覆盖（1B–405B）能力的用户
- +需要把能力接入产品或工作流的开发者
- +希望可自部署或二次开发的技术团队
- +预算敏感、希望先免费尝试的个人用户
✗ 需谨慎
- −不能接受代理或跨境访问不稳定的用户
- −必须全中文界面和中文客服的新手用户
核心能力
📦
开源可下载
Meta 提供完整模型权重（Llama 3/3.1/3.3 等），可商用、可自部署。
🎯
多规格覆盖
从 1B/3B（端侧）到 70B/405B（服务器），按硬件预算选合适规格。
🌍
多语言
官方支持 8 种语言含中文；社区微调版本覆盖更多语言。
🛠
工具链成熟
HuggingFace / Ollama / vLLM / llama.cpp 原生支持，本地起跑配置简单。
上手步骤
01
网页版 meta.ai 需代理；推荐自部署或用云服务
02
自部署最快：装 Ollama → `ollama run llama3.1:8b`
03
HuggingFace：`huggingface-cli download meta-llama/Llama-3.1-70B-Instruct`
04
云调用：Groq / Together / Fireworks / 阿里云百炼 / 火山方舟等都提供 Llama 接口
国内用户须知
访问方式
需要 VPN
免费额度
模型权重免费下载（需同意许可）· meta.ai 网页版国内需代理
API 开放
✅ 可用
常见问答
Q：Llama 商用允许吗？
A：Llama 3 起官方许可允许商用，但月活超 7 亿的产品需单独申请授权。绝大多数应用场景没问题，发布前阅读 LICENSE 文件即可。
Q：本地跑 Llama 需要什么硬件？
A：Llama 3.2-3B 量化后 4GB 内存的笔电就能跑；8B 推荐 16G 显存（如 RTX 4080）；70B 需要至少 48G 显存（A100/H100）或量化 + 多卡。轻量场景 8B 已经实用。
Q：Llama 在 SWE-bench 上表现怎么样？
A：基于 Llama 的 Muse Spark agent 约 77.4%（via llm-stats，2026-05）。原生 Llama 模型分数较低，需配合 agent scaffolding 才能逼近闭源旗舰。
Q：Llama 国内能用吗？
A：Llama 需要 VPN 才能稳定访问，部分功能可能在国内网络下受限。
Q：Llama 多少钱？
A：Llama 定价方案：模型权重免费 · 推理成本看自托管 / 云服务。模型权重免费下载（需同意许可）· meta.ai 网页版国内需代理
Q：Llama 支持中文界面吗？
A：Llama 主界面为英文，但提示词通常支持中文输入。如果需要中文操作界面，可以考虑国产替代品。
Q：Llama 有什么国产替代品？
A：Llama 在国内访问受限，可以考虑这些国产替代工具：chatglm、tongyi-qianwen、deepseek。它们在国内可直连，部分支持中文界面和免费额度。
第三方评测
以下排名 / 分数来自第三方公开榜单，非 AIBoxPro 实测，仅供参考；请以来源页面的最新数据为准。