# Llama 3 и 4: какую модель выбрать для локального запуска

Источник: https://modelium.tech/zhurnal/llama-3-i-4/

Для первого текстового пилота выбирайте конкретную Llama 3.1 8B Instruct и проверяйте её на своих данных; для изображений смотрите Llama 4 Scout, но сперва оцените объём полных весов и совместимость runtime. Llama 4 Maverick существенно крупнее Scout. У Meta разные лицензии для 3.1 и 4, доступ к официальным весам на Hugging Face требует принятия условий, а русский не включён в списки официально поддерживаемых языков этих карточек.

**Источники проверены 1 октября 2026 года.** Здесь сравниваются официальные карточки Meta Llama 3.1 8B Instruct (`0e9e39f`), Llama 4 Scout (`92f3b15`) и Maverick (`73d1471`), а не любые файлы с надписью Llama. Ollama-теги — отдельные артефакты. Собственных запусков и бенчмарков Modelium не проводил. [s1](#src-s1) [s3](#src-s3) [s5](#src-s5) [s6](#src-s6) [s7](#src-s7)

## Что именно сравнивается: Llama 3 или Llama 4?

**Llama 3.1 8B Instruct** — текстовая модель Meta для диалога: её карточка указывает 8B параметров и контекст 128k для семейства. В той же линейке есть 70B и 405B; размер варианта нужно указывать явно. Контекст в карточке — свойство модели, но не гарантия, что выбранный runtime выделил столько же памяти и принимает такой ввод без дополнительных ограничений. [s1](#src-s1)

**Llama 4 Scout 17B-16E Instruct** принимает текст и изображение и возвращает текст/код; карточка Meta указывает MoE-архитектуру с 17B *активных* и 109B *общих* параметров. **Llama 4 Maverick 17B-128E Instruct** — другой checkpoint, также мультимодальный, с 17B активных и 400B общих параметров. Число активных экспертов нельзя подставлять вместо суммарного объёма весов: для размещения, KV-кеша и исполнения потребуется измерить реальную конфигурацию. [s3](#src-s3) [s5](#src-s5)

Meta заявляет верхнюю длину контекста 10M для Scout и 1M для Maverick. Это карточные пределы, а не обещание, что такой запрос уместится на вашем компьютере, сохранит качество или будет воспроизводим в каждом runtime. Сначала проверяйте короткий ввод и фактическое размещение, затем увеличивайте длину ступенчато. [s3](#src-s3) [s5](#src-s5)

## Какая модель подходит под вашу задачу?

Для **первого текстового запуска** выберите Llama 3.1 8B Instruct: у Ollama есть именованный тег `llama3.1:8b`, позволяющий отделить его от `70b` и `405b`. Проверьте ответ на одном обезличенном коротком задании. Тег каталога Ollama не является доказательством побайтовой идентичности с закреплённой ревизией официальных весов на Hugging Face; для отчёта запишите идентификатор именно загруженного артефакта. [s1](#src-s1) [s6](#src-s6)

Если задаче необходим **вход в виде изображения**, смотрите Scout: у Meta это text+image checkpoint, а каталог Ollama показывает вариант `llama4:16x17b` и именованный `llama4:scout`. Поддержку изображений в вашей версии клиента и runtime проверяйте отдельно, не выводите её из одного имени семейства. Для Maverick каталог предлагает `llama4:128x17b` / `llama4:maverick`, но существенно больший полный checkpoint означает иной инфраструктурный выбор; без замера конкретной конфигурации не обещайте запуск на обычном ноутбуке. [s3](#src-s3) [s5](#src-s5) [s7](#src-s7)

Для **русского делового текста** эти карточки не дают готового ответа о качестве. Официальный список поддерживаемых языков Llama 3.1 содержит восемь языков и не включает русский, у Llama 4 перечислены двенадцать, тоже без русского. Meta допускает дообучение для других языков на установленных условиях, но это не замер точности ваших документов и не основание назвать русский официально поддерживаемым. Для русской задачи подготовьте обезличенные примеры и сравните ошибки со специально проверяемыми альтернативами. [s1](#src-s1) [s3](#src-s3)

## Какие ограничения у весов и лицензий?

Официальные репозитории этих трёх instruct checkpoint помечены **gated/manual**: текст карточки может быть публичным, но доступ к файлам весов предполагает принятие условий Meta и решение о доступе. Наличие Ollama-тега — другой путь получения конкретного артефакта; право на использование и ограничения лицензии от этого не исчезают. Проверяйте происхождение, версию и применимость условий до корпоративного пилота. [s1](#src-s1) [s3](#src-s3) [s5](#src-s5) [s6](#src-s6) [s7](#src-s7)

Llama 3.1 и Llama 4 имеют **разные соглашения Community License**, а не универсальную лицензию MIT или Apache. Оба текста описывают ограниченные права использования и отдельные обязательства при распространении материалов/продукта, включая копию соглашения и «Built with Llama». В обоих есть специальная оговорка о продуктах с более чем 700 млн активных пользователей за предшествующий месяц **на дату релиза соответствующей версии**, а также требования соблюдать applicable laws и Acceptable Use Policy. Это пересказ условий, не юридическое разрешение конкретному российскому юридическому лицу; для бизнеса проверьте полный текст соглашения, санкционные/торговые ограничения и собственный случай с юристом. [s2](#src-s2) [s4](#src-s4)

Файловый размер в каталоге или общие параметры **не равны минимальным RAM/VRAM**: память зависит от точного формата/кванта, KV-кеша, реального контекста, параллелизма и runtime. Сравнивайте вариант на своём устройстве, а не делайте вывод по числу `17B active`. Материал [о видеокартах](/zhurnal/videokarta-dlya-llm/) описывает проверку размещения. [s1](#src-s1) [s3](#src-s3) [s5](#src-s5)

## Как получить проверяемый локальный результат?

- Запишите тип входа: только текст или изображение+текст; сформулируйте ожидаемый ответ и критерии ошибок на безопасных, обезличенных данных.

- Сопоставьте конкретную модель, источник весов, соглашение и железо. Для стартового текста выберите тег `llama3.1:8b` из каталога Ollama, а не неявный `latest`; на странице [Ollama](/zapusk/ollama/) есть путь установки и запуска. Команда из каталога — `ollama run llama3.1:8b`, **не отчёт о нашем прогоне**. [s6](#src-s6)

- После загрузки проверьте фактический ответ на своём тестовом запросе и список моделей в памяти через `ollama ps` или документированный `GET /api/ps`; зафиксируйте модель, размер контекста, квантование, аппаратное размещение и расход памяти. Если модель не запустилась или выгрузилась, это отдельный наблюдаемый результат, не доказательство плохого качества модели. [s8](#src-s8)

- Для задачи с изображением отдельно оцените Scout и совместимость выбранного runtime; не переносите текстовый сценарий Llama 3.1 на Llama 4 без проверки режима изображений и требований к памяти. При недостатке ресурсов начните с текста или подходящего меньшего кандидата вместо заявлений о результате непроведённого теста. [s3](#src-s3) [s7](#src-s7)

**Основной следующий шаг:** [открыть гайд Ollama](/zapusk/ollama/), запустить именованный текстовый тег `llama3.1:8b` на разрешённых данных и сохранить точный артефакт, окружение и наблюдаемый результат. Для поиска по документам или русского OCR выбор модели — лишь один шаг: отдельно проверяйте извлечение, цитаты и ограничения доступа.

## Источники

1. [Meta — Llama 3.1 8B Instruct, карточка модели](https://huggingface.co/meta-llama/Llama-3.1-8B-Instruct/blob/0e9e39f249a16976918f6564b8830bc894c89659/README.md) — получено 2026-10-01
2. [Meta — Llama 3.1 Community License](https://huggingface.co/meta-llama/Llama-3.1-8B-Instruct/blob/0e9e39f249a16976918f6564b8830bc894c89659/LICENSE) — получено 2026-10-01
3. [Meta — Llama 4 Scout 17B-16E Instruct, карточка модели](https://huggingface.co/meta-llama/Llama-4-Scout-17B-16E-Instruct/blob/92f3b1597a195b523d8d9e5700e57e4fbb8f20d3/README.md) — получено 2026-10-01
4. [Meta — Llama 4 Community License](https://huggingface.co/meta-llama/Llama-4-Scout-17B-16E-Instruct/blob/92f3b1597a195b523d8d9e5700e57e4fbb8f20d3/LICENSE) — получено 2026-10-01
5. [Meta — Llama 4 Maverick 17B-128E Instruct, карточка модели](https://huggingface.co/meta-llama/Llama-4-Maverick-17B-128E-Instruct/blob/73d14711bcc77c16df3470856949c3764056b617/README.md) — получено 2026-10-01
6. [Ollama — каталог llama3.1 и размерные теги](https://ollama.com/library/llama3.1) — получено 2026-10-01
7. [Ollama — каталог llama4 и теги Scout/Maverick](https://ollama.com/library/llama4) — получено 2026-10-01
8. [Ollama — список моделей, находящихся в памяти (GET /api/ps)](https://docs.ollama.com/api/ps) — получено 2026-10-01