Llama

Llama (ursprünglich als Akronym LLaMA für Large Language Model Meta AI geschrieben) ist die Familie großer Sprachmodelle des Konzerns Meta Platforms.

Zwischen Februar 2023 und April 2025 erschienen vier Generationen, deren Gewichte – anders als bei den Frontier-Modellen von OpenAI, Google oder Anthropic – zum Herunterladen bereitgestellt wurden.

Llama gilt damit als das folgenreichste Einzelprojekt der sogenannten Open-Weights-Bewegung: Ein erheblicher Teil der zwischen 2023 und 2025 entstandenen quelloffenen Modell-Ökosysteme, Feintuning-Werkzeuge und lokalen Inferenz-Stacks ist an Llama-Architekturen entwickelt worden.

Zugleich ist Llama der Referenzfall der Debatte um Open Washing: Die Llama Community License, unter der die Gewichte ab Version 2 vertrieben wurden, erfüllt die Kriterien der Open Source Initiative nicht, was Meta gleichwohl nicht daran hinderte, die Modelle durchgängig als open source zu bewerben.

Mit der Umstrukturierung der Meta-KI-Organisation zu den Meta Superintelligence Labs im Sommer 2025 und der Vorstellung des vollständig proprietären Modells Muse Spark im April 2026 endete die Linie faktisch.

Zusammenfassung

Die Geschichte von Llama lässt sich als eine Abfolge von vier Entscheidungen lesen, die Meta jeweils nur zur Hälfte selbst getroffen hat.

Die erste war die Freigabe von LLaMA 1 im Februar 2023 unter einer reinen Forschungslizenz an einen kuratierten Kreis von Antragstellern; binnen einer Woche zirkulierten die Gewichte als Torrent auf 4chan, und aus dem kontrollierten Forschungsprogramm wurde unfreiwillig das Gründungsereignis einer weltweiten Bastler- und Feintuning-Szene.

Die zweite war die Konsequenz daraus: Llama 2 erschien im Juli 2023 mit einer Lizenz, die kommerzielle Nutzung ausdrücklich gestattete – der erste Fall, in dem ein Großkonzern die Gewichte eines konkurrenzfähigen Sprachmodells zur wirtschaftlichen Verwertung freigab.

Die dritte war die Skalierung: Llama 3.1 brachte im Juli 2024 mit dem 405B-Modell das erste Modell auf Frontier-Niveau, dessen Gewichte öffentlich verfügbar waren, flankiert von einem programmatischen Text Mark Zuckerbergs, der offene KI zur strategischen Doktrin erklärte. Die vierte Entscheidung war der Rückzug.

Llama 4 (April 2025) geriet zum Reputationsschaden: Meta reichte bei der Bewertungsplattform LMArena eine speziell auf menschliche Präferenz optimierte, nie veröffentlichte Variante ein, die dort Rang zwei belegte, während das tatsächlich herunterladbare Modell deutlich schwächer abschnitt. Das angekündigte Spitzenmodell Behemoth wurde nie ausgeliefert.

Im Juni 2025 gründete Meta die Meta Superintelligence Labs, im Oktober 2025 wurden 600 Stellen in der KI-Organisation gestrichen, im November 2025 verließ Yann LeCun den Konzern. Das erste Modell der neuen Organisation, Muse Spark (8. April 2026), ist proprietär, cloud-only und ohne herunterladbare Gewichte.

Begriffsgeschichte

LLaMA 1 und der 4chan-Leak (Februar/März 2023)

Am 24. Februar 2023 stellte Meta AI LLaMA in vier Größen vor: 7, 13, 33 und 65 Milliarden Parameter.

Die begleitende Arbeit LLaMA: Open and Efficient Foundation Language Models von Hugo Touvron und dreizehn weiteren Autorinnen und Autoren (arXiv 2302.13971, eingereicht am 27. Februar 2023) formulierte ein Argument, das der Chinchilla-Linie folgte: Nicht die größtmögliche Parameterzahl, sondern ein länger auf mehr Token trainiertes kleineres Modell liefert bei gegebenem Inferenzbudget das bessere Ergebnis.

LLaMA-13B übertraf in mehreren Benchmarks GPT-3 mit 175 Milliarden Parametern; LLaMA-65B war mit Chinchilla-70B und PaLM-540B vergleichbar. Trainiert wurde ausschließlich auf öffentlich verfügbaren Datenquellen – ein bewusster Kontrast zu den undokumentierten Korpora der GPT-Familie.

Die Gewichte selbst gab Meta nicht frei. Sie wurden, wie es im Ankündigungstext heißt, fallweise an akademische Forschende, an Angehörige von Regierungsstellen, Zivilgesellschaft und Industrieforschung vergeben. Diese Konstruktion hielt etwa eine Woche.

Am 3. März 2023 erschien auf 4chan ein Torrent mit den vollständigen Gewichten; wenige Tage später kursierten sie auf GitHub und Hugging Face. Meta bestritt den Vorgang nicht, sondern erklärte gegenüber Motherboard, man halte die gewählte Freigabestrategie weiterhin für eine angemessene Balance zwischen Verantwortung und Offenheit, und begann parallel, DMCA-Löschungsaufforderungen zu versenden.

Die Wirkung des Leaks war die entgegengesetzte der beabsichtigten: Innerhalb weniger Wochen entstanden llama.cpp (quantisierte Inferenz auf Consumer-Hardware), Alpaca und Vicuna (instruktionsfeingetunte Ableger) und damit die technische Grundlage dafür, dass leistungsfähige Sprachmodelle nicht mehr notwendig über die API eines Anbieters laufen mussten.

Der Leak ist insofern der eigentliche Gründungsmoment der Open-Weights-Bewegung – ein Kontrollverlust, den Meta anschließend in Strategie umdeutete.

Llama 2 und die kommerzielle Lizenz (Juli 2023)

Am 18. Juli 2023 erschien Llama 2 in den Größen 7B, 13B und 70B, angekündigt gemeinsam mit Microsoft als bevorzugtem Distributionspartner.

Die Arbeit Llama 2: Open Foundation and Fine-Tuned Chat Models (Touvron, Martin, Stone u. a., arXiv 2307.09288) dokumentierte erstmals ausführlich eine RLHF-Pipeline mit getrennten Belohnungsmodellen für Hilfsbereitschaft und Sicherheit – eine der wenigen detaillierten öffentlichen Beschreibungen dieses Verfahrens außerhalb der Anbieterlabore.

Entscheidend war jedoch nicht die Technik, sondern die Lizenz. Die Llama 2 Community License gestattete die kommerzielle Nutzung der Gewichte. Damit war zum ersten Mal ein konkurrenzfähiges Sprachmodell eines Großkonzerns wirtschaftlich verwertbar, ohne dass ein API-Vertrag nötig gewesen wäre.

Die ökonomische Kalkulation dahinter hat Zuckerberg später selbst offengelegt: Meta verdient sein Geld mit Werbung, nicht mit dem Verkauf von Modellzugriffen; die Kommodifizierung des Modell-Layers schadet daher Konkurrenten mehr als Meta selbst.

Llama 3, 3.1 und das 405B-Modell (2024)

Llama 3 erschien am 18. April 2024 in den Größen 8B und 70B, Llama 3.1 am 23. Juli 2024 zusätzlich mit 405 Milliarden Parametern und einem Kontextfenster von 128.000 Token.

Die begleitende Arbeit The Llama 3 Herd of Models (Grattafiori, Dubey, Jauhri u. a., arXiv 2407.21783) ist mit mehreren hundert Autorinnen und Autoren zugleich eines der ausführlichsten öffentlichen Trainingsprotokolle eines Frontier-Modells. Llama 3.1-405B war ein dichtes Transformer-Modell – Meta verzichtete hier bewusst auf eine Mixture-of-Experts-Architektur – und erreichte in Metas eigenen Messungen GPT-4-Niveau.

Am selben Tag veröffentlichte Zuckerberg den Text Open Source AI Is the Path Forward, der die Freigabe programmatisch begründete: Entwicklerinnen und Entwickler wollten Unabhängigkeit von einzelnen Anbietern, Meta wolle sich nicht in dieselbe Plattformabhängigkeit begeben wie zuvor gegenüber Apple, und offene Systeme seien wegen der breiteren Prüfbarkeit sicherer als geschlossene.

Es folgten Llama 3.2 (September 2024) mit kleinen Edge-Modellen (1B, 3B) und Vision-Varianten (11B, 90B) sowie Llama 3.3 (Dezember 2024).

Nach Metas eigenen Angaben war Llama im Dezember 2024 mehr als 650 Millionen Mal heruntergeladen worden; bis Anfang 2026 nannte das Unternehmen 1,2 Milliarden Downloads.

Llama 4 und die Benchmark-Kontroverse (April 2025)

Am 5. April 2025 – einem Samstag – veröffentlichte Meta ohne Vorankündigung Llama 4 und wechselte dabei zur Mixture-of-Experts-Architektur.

Scout hat 17 Milliarden aktive Parameter bei 16 Experten und 109 Milliarden Gesamtparametern, Maverick 17 Milliarden aktive Parameter bei 128 Experten und 400 Milliarden Gesamtparametern. Beide sind nativ multimodal (Early Fusion) und nutzen mit iRoPE eine Attention-Variante, die Schichten ohne Positionskodierung mit gechunkten RoPE-Schichten verschränkt.

Meta bewarb für Scout ein Kontextfenster von zehn Millionen Token; vortrainiert wurden beide Modelle auf 256.000 Token, die restliche Reichweite entsteht durch Extrapolation – ein Umstand, der in unabhängigen Langkontext-Auswertungen zu erheblich schlechteren Ergebnissen führte, als die Zahl nahelegte.

Die eigentliche Kontroverse betraf jedoch die Bewertungsplattform LMArena. Metas Ankündigungstext nannte für Maverick einen ELO-Wert von 1417, was Rang zwei der Rangliste bedeutete. In der Fußnote stand, dass es sich um eine experimentelle Chat-Version handelte.

Tatsächlich war unter dem Namen Llama-4-Maverick-03-26-Experimental ein eigens auf menschliche Präferenz optimiertes Modell eingereicht worden, das nicht mit den veröffentlichten Gewichten identisch war und nie freigegeben wurde.

LMArena reagierte am 8. April 2025 mit einer öffentlichen Stellungnahme, veröffentlichte über 2.000 Einzelvergleiche zur Nachprüfung und stellte fest, Metas Auslegung der Plattformregeln entspreche nicht dem, was man von Modellanbietern erwarte; Meta hätte deutlicher machen müssen, dass es sich um ein angepasstes, auf menschliche Präferenz optimiertes Modell handelte.

Die Plattform kündigte an, ihre Regeln zu verschärfen, und nahm das öffentlich verfügbare Maverick-Modell separat in die Wertung auf, wo es deutlich schlechter abschnitt.

Parallel kursierte ein zweiter, schwerwiegenderer Vorwurf: Meta habe auf Testdaten trainiert. Ahmad Al-Dahle, Vice President für generative KI, wies dies am 7. April 2025 öffentlich zurück – es sei schlicht unwahr, dass Maverick und Scout auf Testsets trainiert worden seien – und führte die uneinheitliche Qualität auf die überstürzte Auslieferung an verschiedene Cloud-Anbieter zurück.

Für den Vorwurf der Benchmark-Kontamination wurde nie ein Beleg vorgelegt; er blieb ein Gerücht. Der belegte Vorgang ist der andere: die Einreichung einer nicht öffentlichen Sondervariante bei gleichzeitiger Bewerbung des Ergebnisses als Leistungsangabe des freigegebenen Modells.

Behemoth: das Modell, das nie kam

Im Ankündigungstext zu Llama 4 beschrieb Meta ein drittes, noch im Training befindliches Modell: Behemoth, mit 288 Milliarden aktiven Parametern bei 16 Experten und knapp zwei Billionen Gesamtparametern, das GPT-4.5, Claude Sonnet 3.7 und Gemini 2.0 Pro in mehreren MINT-Benchmarks übertreffen sollte.

Maverick war aus Behemoth kodestilliert worden. Ein Erscheinungstermin wurde zunächst für die Entwicklerkonferenz LlamaCon am 29. April 2025 erwartet, dann auf Juni verschoben.

Mitte Mai 2025 berichtete das Wall Street Journal, die Freigabe werde auf den Herbst oder später verschoben, weil intern Zweifel bestünden, ob das Modell einen hinreichenden Fortschritt gegenüber den Vorgängern darstelle. Behemoth wurde nie veröffentlicht. Der Fall gilt seither als eines der öffentlich sichtbarsten Anzeichen dafür, dass reines Hochskalieren dichter Vortrainingsläufe an eine Ertragsgrenze gestoßen war.

Meta Superintelligence Labs und das Ende der Linie (2025/2026)

Am 30. Juni 2025 gründete Zuckerberg die Meta Superintelligence Labs (MSL) und holte Alexandr Wang, Gründer von Scale AI, als Chief AI Officer; Meta hatte zuvor 14,3 Milliarden US-Dollar in Scale AI investiert. Nat Friedman übernahm den Produktbereich.

Im August 2025 wurde MSL in vier Einheiten gegliedert: TBD Lab (Sprachmodelle), FAIR (Grundlagenforschung), Products and Applied Research sowie MSL Infra.

Am 22. Oktober 2025 strich Meta 600 Stellen; betroffen waren die Forschungs-, Produkt- und Infrastruktureinheiten einschließlich FAIR, während das neue TBD Lab ausgenommen blieb. Wang begründete den Schritt in einer internen Nachricht damit, dass in einem kleineren Team weniger Abstimmungen für eine Entscheidung nötig seien und jede Person mehr Tragweite habe.

Der personelle Aderlass war beträchtlich und begann früher: Bereits im Mai 2025 wurde berichtet, dass elf der vierzehn Autorinnen und Autoren der ursprünglichen LLaMA-1-Arbeit Meta verlassen hatten – unter ihnen Guillaume Lample und Timothée Lacroix, die Mistral AI mitgründeten.

Am 19. November 2025 kündigte Yann LeCun nach zwölf Jahren als Chief AI Scientist seinen Ausstieg an, um mit Advanced Machine Intelligence (AMI Labs) in Paris eine eigene Forschungsorganisation aufzubauen; sein Programm der Weltmodelle und der Joint Embedding Predictive Architecture stand seit Jahren quer zur konzerninternen Sprachmodell-Skalierung.

Am 8. April 2026 stellte MSL Muse Spark vor – das erste Modell unter Wangs Leitung, nativ multimodal, mit Werkzeugnutzung und Mehr-Agenten-Orchestrierung, das seither den Meta-AI-Assistenten auf allen Konzernplattformen antreibt.

Muse Spark ist vollständig proprietär: keine herunterladbaren Gewichte, kein Selbst-Hosting, zunächst nur privater API-Vorschauzugang. Meta erklärte, die bestehenden Llama-Modelle blieben verfügbar, und kündigte an, künftige Versionen quelloffen zu stellen; ein Zeitplan wurde nicht genannt. Eine fünfte Llama-Generation ist bis August 2026 nicht erschienen.

Methodische Grundlagen

Architektonisch sind die Llama-Generationen eine Chronik der Standardisierung des Decoder-Transformers. LLaMA 1 kombinierte Pre-Normalisierung mit RMSNorm, die SwiGLU-Aktivierung und rotierende Positionskodierung (RoPE) – eine Zusammenstellung, die praktisch die gesamte nachfolgende Open-Weights-Landschaft übernahm.

Llama 2 fügte Grouped Query Attention für die großen Varianten hinzu, Llama 3 erweiterte das Vokabular auf 128.000 Token und trainierte auf über 15 Billionen Token, Llama 4 wechselte zu einer sparsamen Mixture-of-Experts-Architektur mit Early Fusion für Bild und Text. Der Trainingskorpus wurde über alle Generationen hinweg nie offengelegt; ab Llama 2 heißt es lediglich, es handle sich um eine neue Mischung öffentlich verfügbarer Quellen.

Die Llama Community License ist der juristische Kern der Kontroverse. Sie ist keine von der Open Source Initiative anerkannte Lizenz und erfüllt die Open-Source-Definition an mindestens drei Stellen nicht. Erstens die Nutzerschwelle: Wer zum Stichtag der jeweiligen Modellfreigabe mit seinen Produkten mehr als 700 Millionen monatlich aktive Nutzerinnen und Nutzer im vorangegangenen Kalendermonat erreicht, muss bei Meta eine gesonderte Lizenz beantragen, die Meta nach eigenem Ermessen gewähren oder verweigern kann – eine Klausel, die präzise auf die Handvoll Konzerne zugeschnitten ist, die Meta als Konkurrenz betrachtet.

Zweitens die Namensnennungspflicht: Wer Llama-Materialien weitergibt, muss an prominenter Stelle Built with Llama anzeigen; wer mit ihnen ein eigenes Modell trainiert oder verbessert und dieses verbreitet, muss Llama an den Anfang des Modellnamens setzen. Drittens die Acceptable Use Policy, die ganze Einsatzfelder ausschließt.

Hinzu kommt eine geografische Diskriminierung: Die multimodalen Varianten ab Llama 3.2 wurden natürlichen und juristischen Personen mit Sitz in der Europäischen Union ausdrücklich nicht lizenziert – vermutlich eine Reaktion auf EU AI Act und Datenschutzrecht, lizenzrechtlich aber eine Diskriminierung von Personengruppen.

Anwendungsfelder

Llama-Modelle bildeten von 2023 bis 2025 die Standardgrundlage für lokale und selbstgehostete Inferenz. Werkzeuge wie llama.cpp, Ollama, vLLM und LM Studio wurden an Llama-Architekturen entwickelt; das Dateiformat GGUF stammt aus diesem Umfeld.

Für Unternehmen mit Datenschutz- oder Souveränitätsanforderungen war Llama lange die einzige realistische Option, ein leistungsfähiges Sprachmodell in der eigenen Infrastruktur zu betreiben. Auf Hugging Face entstanden nach Metas Angaben bis Ende 2024 mehr als 85.000 abgeleitete Modellvarianten.

In der akademischen Forschung, insbesondere in der mechanistischen Interpretierbarkeit und der Evaluationsforschung, gehört Llama zu den meistuntersuchten Modellen überhaupt, weil es lange das leistungsfähigste war, dessen Gewichte sich inspizieren ließen.

Konzernintern trieb Llama den Meta-AI-Assistenten in Facebook, Instagram, WhatsApp und Messenger sowie die Ray-Ban-Datenbrillen an – bis Muse Spark diese Rolle 2026 übernahm. Auf der Entwicklerkonferenz LlamaCon (29. April 2025) ergänzte Meta das Angebot um eine eigene Llama-API, um Sicherheitswerkzeuge wie Llama Guard 4 und LlamaFirewall sowie um Inferenz-Partnerschaften mit Cerebras und Groq.

Kontroversen und Kritik

Die Open-Washing-Kritik ist die substanziellste. Andreas Liesenfeld und Mark Dingemanse haben 2024 auf der FAccT-Konferenz eine vergleichende Untersuchung der Offenheit generativer Systeme vorgelegt und kommen zu dem Ergebnis, Llama sei bestenfalls open weights und in nahezu jeder anderen Hinsicht geschlossen: keine Trainingsdaten, keine Feintuning-Daten, eine Modellkarte mit minimalen Angaben, ein Zugang über Zustimmungsformulare.

Meta und Mistral, so die Autoren, hätten das durchschnittliche Offenheitsniveau des Feldes allein durch die Allgegenwart ihrer Gewichte gesenkt und den Begriff Open Source verwässert.

Die Open Source Initiative hat dieser Einordnung mehrfach zugestimmt und Metas Sprachgebrauch 2023 und erneut im Februar 2025 ausdrücklich als Open Washing bezeichnet – mit dem Hinweis, dass die neueren Llama-Lizenzen sogar mehr Einschränkungen enthalten als die von Llama 2. Die 2024 verabschiedete Open Source AI Definition 1.0 der OSI ist nicht zuletzt eine Reaktion auf diesen Sprachgebrauch.

Ein zweiter Strang betrifft die Sicherheitsdebatte. Kritikerinnen und Kritiker aus dem KI-Sicherheitsumfeld argumentierten, unwiderrufliche Gewichtsfreigaben machten jede nachträgliche Sicherheitsmaßnahme wirkungslos, weil Feintuning die eingebauten Ablehnungsmechanismen mit geringem Aufwand entfernen könne.

Zuckerbergs Gegenargument – breitere Prüfbarkeit erhöhe die Sicherheit – ist die Standardposition der Gegenseite und in der Sache nicht entschieden.

Ein dritter Strang ist die Frage, ob Metas Offenheit je etwas anderes war als Wettbewerbstaktik. Die 700-Millionen-Klausel, die Namensnennungspflicht und der abrupte Wechsel zu einem proprietären Modell, sobald die eigene Position als konkurrenzfähig galt, stützen die Lesart, dass Llama ein Instrument zur Kommodifizierung des Modell-Layers war – solange Meta hinten lag.

Der Umstand, dass die chinesischen Open-Weights-Familien DeepSeek und Qwen 2025 die Rolle übernahmen, die Llama zuvor innehatte, und dabei mit Apache-2.0- und MIT-Lizenzen arbeiteten, hat diese Lesart zusätzlich gestützt.

Ein vierter, oft übersehener Punkt betrifft die Rolle Yann LeCuns. Er war zwölf Jahre lang das öffentliche Gesicht von Metas KI-Forschung und der lauteste Fürsprecher der Freigabestrategie, hielt zugleich aber die Skalierung autoregressiver Sprachmodelle für einen Irrweg.

Llama war insofern nie sein Projekt: FAIR, das er aufgebaut hatte, verlor die Modellentwicklung schrittweise an die produktnäheren GenAI-Einheiten und wurde 2025 zur von den Kürzungen betroffenen Abteilung, während das neue TBD Lab verschont blieb. Sein Weggang im November 2025 markiert daher weniger einen Personalwechsel als das Ende einer Forschungskultur, aus der Llama hervorgegangen war.

Stand 2025/2026

Stand August 2026 ist Llama eine abgeschlossene Modellfamilie. Die letzte Generation ist Llama 4 vom April 2025; Behemoth wurde nie ausgeliefert, eine Llama-5-Generation existiert nicht. Die vorhandenen Modelle bleiben nach Metas Zusage unter der Community License verfügbar, erhalten aber erkennbar keine substanzielle Weiterentwicklung mehr.

Metas aktuelles Spitzenmodell Muse Spark ist proprietär und cloud-gebunden; die Ankündigung, künftige Versionen wieder quelloffen zu stellen, ist bislang nicht eingelöst worden. In den Bestenlisten rangiert Muse Spark im Frühjahr 2026 hinter Gemini 3.1 Pro, GPT-5.4 und Claude Opus 4.6, mit auffällig guten Werten im medizinischen Bereich.

Die historische Bewertung fällt zwiespältig aus. Llama hat die Verfügbarkeit leistungsfähiger Sprachmodelle außerhalb der großen Anbieter-APIs erst geschaffen und damit die technische und wirtschaftliche Grundlage eines ganzen Ökosystems gelegt – weitgehend unabhängig davon, ob Meta das anfangs so wollte.

Zugleich hat Meta den Begriff Open Source für KI-Modelle so weit gedehnt, dass die Open Source Initiative sich 2024 zu einer eigenen Definition veranlasst sah. Die Linie endete nicht an einer technischen Grenze, sondern an einer strategischen Entscheidung: Als Meta ein Modell hatte, das es für konkurrenzfähig hielt, gab es die Gewichte nicht mehr heraus.

Verwandte Begriffe

• Yann LeCun – Chief AI Scientist bei Meta bis November 2025, Fürsprecher der Freigabe und Kritiker der LLM-Skalierung
• Open-Source-LLM – Bewegung, die der LLaMA-Leak maßgeblich ausgelöst hat
• Mistral AI – von ehemaligen LLaMA-1-Autoren gegründete europäische Konkurrenz
• DeepSeek – chinesische Open-Weights-Familie, die Llamas Rolle ab 2025 übernahm
• Qwen – Alibabas Open-Weights-Familie, ebenfalls Nachfolgerin in dieser Rolle
• Mixture-of-Experts – Architektur ab Llama 4
• GPT-Familie – proprietäres Gegenmodell zur Freigabestrategie
• EU AI Act – Hintergrund des Lizenzausschlusses der EU bei den multimodalen Varianten
• Benchmark-Kontamination – Kern des unbelegt gebliebenen Vorwurfs gegen Llama 4
• RLHF – in der Llama-2-Arbeit erstmals ausführlich öffentlich dokumentiert

Quellenangaben

1. Cox, Joseph, 2023. Facebook’s Powerful Large Language Model Leaks Online. Vice / Motherboard, 7. März 2023.
2. Grattafiori, Aaron u. a., 2024. The Llama 3 Herd of Models. Meta AI. arXiv: 2407.21783
3. Janakiram MSV, 2025. Everything Meta Announced At LlamaCon. Forbes, 1. Mai 2025.
4. Kaur, Dashveenjit, 2026. Meta Has a Competitive AI Model but Loses Its Open-Source Identity. AI News (artificialintelligence-news.com), 10. April 2026.
5. Liesenfeld, Andreas / Dingemanse, Mark, 2024. Rethinking Open Source Generative AI: Open-Washing and the EU AI Act. In: Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’24). ACM, Rio de Janeiro. DOI: 10.1145/3630106.3659005
6. LMArena, 2025. Stellungnahme zur Llama-4-Einreichung. Kurznachrichtendienst X, Konto @lmarena_ai, 8. April 2025.
7. Maris, Jordan, 2025. Meta’s LLaMa License Is Still Not Open Source. Open Source Initiative, opensource.org, 18. Februar 2025.
8. Meta AI, 2023. Introducing LLaMA: A Foundational, 65-Billion-Parameter Large Language Model. ai.meta.com/blog, 24. Februar 2023. (Primärquelle des Anbieters.)
9. Meta AI, 2024. The Future of AI: Built with Llama. ai.meta.com/blog, 19. Dezember 2024. (Primärquelle des Anbieters; alle Adoptionszahlen sind Herstellerangaben.)
10. Meta AI, 2025. The Llama 4 Herd: The Beginning of a New Era of Natively Multimodal AI Innovation. Meta AI Blog, 5. April 2025. https://ai.meta.com/blog/llama-4-multimodal-intelligence/
11. Meta Platforms, 2023. Meta and Microsoft Introduce the Next Generation of Llama. about.fb.com/news, 18. Juli 2023.
12. Meta Platforms, 2024. Llama 3.1 Community License Agreement. llama.com, 23. Juli 2024.
13. Open Source Initiative, 2024. The Open Source AI Definition 1.0. opensource.org, 28. Oktober 2024.
14. Rosenberg, Scott, 2025. Meta Delays “Behemoth” AI Model Release: Report.
15. Touvron, Hugo u. a., 2023. LLaMA: Open and Efficient Foundation Language Models. Meta AI. arXiv: 2302.13971.
16. Touvron, Hugo u. a., 2023. Llama 2: Open Foundation and Fine-Tuned Chat Models. Meta AI. arXiv: 2307.09288
17. Vaughan-Nichols, Steven J., 2026. Meta Abandons Open Source Llama for Proprietary Muse Spark. The New Stack, 30. April 2026.
18. Wheatley, Mike, 2025. Meta Lays Off 600 AI Workers as It Looks to Streamline Superintelligence Labs. SiliconANGLE, 22. Oktober 2025.
19. Wiggers, Kyle, 2025. Meta Exec Denies the Company Artificially Boosted Llama 4’s Benchmark Scores. TechCrunch, 7. April 2025.
20. Zuckerberg, Mark, 2024. Open Source AI Is the Path Forward. about.fb.com/news, 23. Juli 2024.

← Zurück zur Lexikon-Übersicht

Zuletzt bearbeitet: 10. August 2026

Zusammengestellt, formuliert, lektoriert und korrigiert mit KI-Unterstützung. Kuratiert von Nils Brauer. Alle Angaben ohne Gewähr.