Cuando una empresa compra Llama, en apariencia elige un modelo; en realidad elige una ruta de entrega que pueda contratarse, auditarse, degradarse y costearse con claridad. El cambio clave de 2026 es que la vista previa pública de la Llama API propia de Meta dejó de funcionar el 6 de julio, y la ruta de alojamiento se trasladó a plataformas de nube y proveedores de inferencia externos; las empresas que quieren mantener los datos en su entorno vuelven a los pesos abiertos autohospedados o al despliegue privado.

Nota: Llama y Meta Llama son marcas de Meta Platforms, Inc. Este artículo solo ofrece información técnica y no representa una relación de subordinación, agencia, patrocinio o respaldo con Meta. Las licencias, los modelos disponibles y las condiciones de compra pueden cambiar; rija la decisión por las páginas oficiales de Meta y de cada proveedor y por el contrato firmado.

1. Defina primero el objeto de compra

La misma frase "comprar Llama" puede referirse a tres cosas distintas:

  • Pesos abiertos: descargar los pesos y desplegarlos por cuenta propia; la licencia condiciona el uso y la distribución.
  • API alojada: comprar servicio de inferencia a una nube o a un proveedor, con cobro por token o por cómputo.
  • Solución privada: el proveedor entrega hardware, software y operación, con contrato de licencia, soporte y SLA.

El documento de compra debe especificar versión del modelo, ubicación del despliegue, rol en el tratamiento de datos, alcance del servicio e indicadores de aceptación. Escribir solo "usar el modelo Llama" es insuficiente y facilita disputas por versión, cumplimiento y costo.

2. Cuatro rutas de acceso

Ruta Contrato y facturación Límite de datos Carga operativa Escenario adecuado
Alojamiento en nube Contrato con el proveedor de nube, liquidación en la factura cloud Los datos entran en la región elegida y quedan sujetos a su DPA, región y subprocesadores Baja Empresas que ya usan esa nube y necesitan compra conforme y elección de región
API de un proveedor de inferencia Contrato con cada proveedor, liquidación variable Los datos entran en el servicio del proveedor, según sus términos Baja Lanzamiento rápido, tráfico variable, elasticidad por uso
Pesos abiertos autohospedados Compra de hardware o alquiler de GPU, más contrato de servicio Puede quedarse en el entorno propio; alquilar GPU en la nube sigue siendo un tercero Alta Datos sensibles, uso alto y estable, offline o borde
Pasarela de IA local Contrato local, liquidación y factura en moneda local La solicitud pasa por la pasarela; hay que revisar sus cláusulas de datos Baja Factura local y entrada multi-modelo unificada

La Llama API propia de Meta ya no está entre las rutas disponibles. AWS Bedrock, Azure AI Foundry y Google Vertex AI ofrecen algunos modelos Llama; los modelos, las regiones y la forma de activación cambian rápido, así que confirme el catálogo oficial antes de comprar.

Ninguna ruta es mejor en abstracto; la decisión depende del límite de datos y de la capacidad operativa.

3. Revisión de licencia: pesos abiertos no significa MIT

Llama usa una licencia comunitaria, no una licencia de código abierto aprobada por OSI. Tomando Llama 4 y Llama 3.3 como ejemplo, se permite el uso comercial, pero hay varias restricciones firmes:

  • Los productos o servicios con más de 700 millones de usuarios activos mensuales deben solicitar una licencia separada a Meta según la medición del mes anterior a la fecha de lanzamiento; sin aprobación no se pueden ejercer los derechos.
  • Al distribuir el modelo, derivados o productos que lo contengan, debe mostrarse de forma destacada "Built with Llama" en el sitio, la interfaz o la documentación del producto.
  • Al entrenar o mejorar otros modelos con materiales de Llama y distribuirlos, el nombre del modelo debe comenzar por "Llama".
  • Las copias distribuidas deben incluir la licencia y el archivo Notice, y cumplir la Acceptable Use Policy y los requisitos de cumplimiento comercial.
  • La licencia no concede derechos de marca; solo permite usar el nombre Llama para cumplir los requisitos de atribución y denominación.

Legal debe confirmar cada cláusula; las licencias pueden variar entre versiones y prevalece el archivo LICENSE incluido con el modelo. La licencia no ofrece SLA, indemnización ni compromiso de residencia.

4. Residencia de datos y privacidad

En la ruta alojada hay que confirmar por escrito: región de los datos, si cruzan fronteras, subprocesadores, tiempo de retención, uso para entrenamiento, mecanismo de borrado, certificaciones de seguridad e informes de auditoría. La frase "seguridad de nivel empresarial" de una página de marketing no sustituye un DPA ni un contrato.

El autohospedaje tampoco cumple automáticamente. Los registros, el monitoreo, las copias de seguridad, la operación remota y los permisos de cuenta pueden convertirse en salidas de datos; al alquilar GPU en la nube, los datos siguen dentro de la infraestructura del proveedor.

Los equipos de China también deben evaluar la Ley de Protección de Información Personal y la Ley de Seguridad de Datos, entre otras normas; cuando haya salida de datos personales, puede requerirse una evaluación de seguridad o un contrato estándar, y legal debe determinarlo. No coloque datos reales de clientes en capas gratuitas ni en entornos de prueba.

5. Hardware, capacidad y costo

La planificación de capacidad autohospedada no puede mirar solo el número de parámetros. La memoria debe contener a la vez pesos, KV Cache, sobrecarga del framework y margen de concurrencia; cuanto más largo el contexto y mayor la concurrencia, más rápido crece el KV Cache. Magnitudes aproximadas:

  • Nivel 8B: pesos a 4 bits de aproximadamente 4–6 GB; una GPU de 16–24 GB deja margen.
  • Nivel 70B: pesos a 4 bits de aproximadamente 35–45 GB; suele requerir 48–80 GB de memoria o varias GPU.
  • Llama 4 Scout: 109B totales y 17B activos; pesos a 4 bits de aproximadamente 55–60 GB, más reserva adicional de KV Cache para contexto largo.
  • Llama 4 Maverick: 400B totales y 17B activos; pesos a 4 bits del orden de 200 GB, normalmente en un servidor multigpu.

Los parámetros activos de MoE reducen la presión de cálculo, no el uso de memoria. La cuantización ahorra memoria, pero hay que validar la calidad en código, matemáticas y tareas multilingües.

El costo total incluye GPU, electricidad, refrigeración, rack, red, almacenamiento, redundancia, monitoreo y personal. La conveniencia del autohospedaje depende de la utilización: solo se diluye con uso alto sostenido; con baja carga o tráfico variable suele ser peor que una API por uso. Los precios se rigen por la cotización del proveedor y por la página de precios.

6. Cuentas, permisos y control de acceso

  • Registre con el dominio corporativo y active SSO/SAML y autenticación multifactor.
  • Separe cuentas y claves por entorno, proyecto y equipo; aplique mínimo privilegio, fechas de vencimiento y ciclos de rotación. Guarde las claves en un servicio de gestión de secretos, no en el frontend, Git ni los registros.
  • Active registros de auditoría que registren modelo llamado, consumo de tokens y coincidencias con políticas de datos sensibles; configure listas blancas de salida de red, DLP y políticas de retención.

Al ofrecer servicio externo, confirme además el aislamiento multiinquilino y el límite de datos de cada cliente; no use una misma clave para varios clientes.

7. SLA, degradación y salida

Al comprar hay que preguntar y dejar por escrito: objetivo de disponibilidad, latencia p95, horario de soporte, tiempos de respuesta y recuperación ante fallas, notificación de incidentes, compensación por incumplimiento, ventanas de mantenimiento y aviso de retirada de modelos.

Ningún SLA sustituye el diseño de degradación. Prepare al menos un canal de respaldo: un segundo proveedor, el mismo modelo en otra nube o un modelo pequeño autohospedado. Use una interfaz compatible con OpenAI como capa de abstracción, lleve nombres de modelo, direcciones y claves a configuración, y añada verificación de salud, timeouts, reintentos, cortacircuitos y límites de velocidad; 401 se investiga en las credenciales, 429 se reintenta con retroceso y 5xx cambia de canal.

La degradación debe considerar la residencia de datos: una región de respaldo en otro país puede violar el compromiso de residencia del contrato principal. Las cláusulas de salida también deben especificar cómo se exportan los datos, en cuánto tiempo se eliminan, si hay asistencia de migración y a quién pertenecen los activos de modelos y prompts.

8. Piloto y aceptación antes de producción

Se recomienda un piloto reproducible de dos a cuatro semanas:

  1. Defina escenario, indicadores de éxito, clasificación de datos y qué datos no pueden entrar en una API de terceros.
  2. Legal revisa licencia, DPA, transferencia transfronteriza, uso para entrenamiento y cláusulas de borrado, y emite conclusión.
  3. Abra cuentas, complete la verificación empresarial, el SSO y el inventario de claves; monte en paralelo la ruta principal y la de respaldo con una capa de abstracción compatible con OpenAI.
  4. Ejecute el piloto con tareas reales y registre tasa de éxito, latencia p50/p95, tasa de error, tokens por tarea y tasa de retrabajo.
  5. Pruebe bajo carga contexto largo, picos de concurrencia, 429 y modelo no disponible; ensaye agotamiento de cuota, falla regional y filtración de claves.
  6. Complete un pago y una factura reales, y verifique entidad, moneda, impuestos y proceso de reembolso.

Los criterios de aceptación deben escribirse antes del piloto; solo se pasa a producción si calidad, costo, cumplimiento y operación superan la evaluación.

9. Monitoreo de costos y optimización continua

Después del lanzamiento, haga cuatro cosas cada mes: agrupe tokens y gastos por equipo y proyecto; fije presupuestos y alertas; revise llamadas anómalas y filtraciones de claves; y revalide cambios de precio.

El orden de optimización habitual es: eliminar primero contexto inútil y solicitudes duplicadas; después enrutar por dificultad a modelos de distinto tamaño; aplicar caché donde se pueda; procesar por lotes donde se pueda; y solo al final considerar autohospedaje o compromisos de largo plazo. En autohospedaje hay que vigilar además la utilización de GPU, el tiempo en cola y la capacidad ociosa.

ZSQH AI Gateway ofrece una interfaz compatible con OpenAI y puede servir como entrada unificada y canal de respaldo, lo que facilita gestionar de forma centralizada facturas, claves y mapeo de nombres de modelo. Los modelos y precios se rigen por la página de precios, y los precios cambian; si necesita una cuenta puede registrarse.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://ai.zhongshangqihang.com/v1",
    api_key=os.environ["ZSQH_API_KEY"],
)

resp = client.chat.completions.create(
    model="llama-3.3-70b-instruct",  # Ríjase por la lista de modelos de la plataforma
    messages=[{"role": "user", "content": "Explica en tres frases qué debe confirmar una empresa antes de comprar Llama"}],
    temperature=0.2,
    max_tokens=256,
)
print(resp.choices[0].message.content)

10. Preguntas frecuentes

¿Meta sigue ofreciendo una Llama API oficial?

A octubre de 2026, la vista previa pública de Llama API de Meta dejó de funcionar el 6 de julio de 2026 y la recomendación oficial es migrar a proveedores externos. La plataforma para desarrolladores de Meta promueve ahora la serie Muse, que no pertenece a la misma familia que Llama; si existe un nuevo plan, se rige por la página de Meta.

¿Llama es un modelo de código abierto y se puede usar comercialmente?

Llama es un modelo de pesos abiertos, a menudo llamado de código abierto, pero usa una licencia comunitaria que no está aprobada por OSI. El uso comercial suele estar permitido, siempre que se cumplan el umbral de usuarios activos, la atribución, la denominación, el archivo Notice, la AUP y el cumplimiento comercial; prevalece el LICENSE de la versión correspondiente.

¿Autohospedar Llama siempre es más barato que una API?

No necesariamente. El autohospedaje evita el costo por token, pero añade GPU, electricidad, centro de datos, operación y redundancia. Tiene ventaja con utilización alta o cuando los datos no pueden salir; con baja carga y tráfico variable, la API por uso suele costar menos.

¿Basta con poner los datos en servidores propios para cumplir?

No cumple de forma automática. También hay que ver quién puede acceder, dónde están los registros y las copias de seguridad, si hay cruce de fronteras y si se recopilan datos personales. Cuando haya salida de datos personales, legal debe evaluar según la normativa aplicable.

¿Cómo evitar quedar atado a un solo proveedor?

Use una interfaz compatible con OpenAI como capa de abstracción y lleve nombres de modelo, direcciones y claves a configuración; conserve un canal de respaldo; incluya en el contrato exportación, borrado, asistencia de migración y aviso de retirada de modelos; y vuelva a probar periódicamente los modelos sustitutos con tareas reales.

Lecturas relacionadas: Compra empresarial de OpenAI API: cuota, cumplimiento y facturas, Comprar DeepSeek API para empresas: cuota, cumplimiento y costo, Cómo elegir una plataforma de API LLM: lista de compra.