Llama 2: «gratis» no significa sin licencia ni sin coste

Meta presentó Llama 2 el 18 de julio de 2023 como una familia de modelos disponible gratuitamente para investigación y uso comercial. El anuncio conjunto con Microsoft prometía pesos y código inicial, ejecución local en Windows y acceso mediante Azure, AWS y Hugging Face. Pero «gratis» describía el precio de la licencia para muchos usuarios, no la ausencia de condiciones, costes o responsabilidad.

Descargar pesos permite controlar más partes del sistema; también convierte al equipo que los despliega en responsable de infraestructura, actualizaciones, pruebas y controles. La pregunta útil no era si Llama 2 era abierto en abstracto, sino qué artefactos se recibían, qué derechos concedía el texto aplicable y cuánto costaba producir una respuesta aprobada.

Una familia, no un único asistente

El informe técnico de Llama 2 describía modelos preentrenados y versiones Llama 2-Chat afinadas para diálogo, con tamaños publicados de 7.000, 13.000 y 70.000 millones de parámetros. La variante base aprendía a continuar texto; la de chat añadía ajuste supervisado y aprendizaje por refuerzo a partir de preferencias humanas.

Los autores informaron de un corpus de preentrenamiento de dos billones de tokens, un 40% más de tokens que Llama 1 y una ventana de contexto duplicada hasta 4.096 tokens. Esas cifras describían la construcción, no garantizaban que el modelo entendiera cualquier documento de esa longitud ni que superase a otro sistema en una tarea concreta.

El paper decía que Llama 2-Chat superaba a modelos de chat abiertos en la mayoría de sus pruebas y que, según sus evaluaciones humanas de utilidad y seguridad, podía sustituir a algunos modelos cerrados. También advertía que la evaluación humana era ruidosa: dependía del conjunto de instrucciones, de criterios subjetivos y de los propios evaluadores. Una comparación del fabricante es evidencia que merece lectura, no una certificación universal.

Leer derechos como verbos

La licencia comunitaria de Llama 2, fechada el mismo 18 de julio, concedía un derecho limitado, mundial, no exclusivo y sin regalías para usar, reproducir, distribuir, copiar, modificar y crear obras derivadas de los materiales. Es una concesión amplia, pero la palabra decisiva es «limitado»: los apartados siguientes fijaban condiciones.

Al redistribuir los materiales o derivados había que proporcionar una copia del acuerdo y conservar un aviso de atribución en un archivo Notice. El uso debía cumplir la legislación y la política de usos aceptables incorporada por referencia. Además, los materiales o sus resultados no podían emplearse para mejorar otro gran modelo lingüístico, salvo Llama 2 o sus derivados.

Existía también una condición empresarial muy concreta. Si en la fecha de lanzamiento los productos o servicios del licenciatario y sus afiliadas superaban 700 millones de usuarios activos mensuales durante el mes anterior, la entidad debía solicitar otra licencia a Meta. No quedaba autorizada hasta recibirla, y Meta podía concederla a su discreción. No era un pago automático para toda empresa grande ni un límite de descargas: era una excepción definida por usuarios, fecha y autorización.

La licencia entregaba materiales y resultados «tal cual», sin garantías, y atribuía al usuario la decisión sobre su idoneidad y los riesgos de uso o redistribución. Por eso «uso comercial gratuito» no equivale a «cualquier uso», «sin contrato» ni «Meta responde por el resultado». Una revisión seria convierte el documento en una tabla de verbos: ejecutar, modificar, afinar, redistribuir pesos, ofrecer un servicio y usar salidas para entrenar.

Cinco capas que no deben mezclarse

La primera capa son los pesos: archivos numéricos que permiten inferencia, pero no revelan por sí solos cada ejemplo de entrenamiento. La segunda es el código para cargarlos, afinarlos o servirlos. Puede tener versión, dependencias y licencia propias. La tercera es la licencia del modelo; la cuarta, la política de uso que incorpora restricciones; la quinta es el producto operativo, formado por hardware, datos, filtros, interfaz, registros y personas.

Un proveedor puede abrir unas capas y cerrar otras. Tener pesos descargables no obliga a revelar el corpus exacto, el proceso completo de anotación o toda la infraestructura. Del mismo modo, una API cerrada puede publicar una ficha detallada y ofrecer garantías contractuales. La etiqueta «abierto» comprime decisiones distintas y, sin una lista de artefactos, impide comparar.

La lista comienza con preguntas verificables: ¿se descargan pesos completos?, ¿está disponible el código necesario?, ¿se permite modificar?, ¿se permite redistribuir?, ¿hay restricciones por uso, escala o entrenamiento de competidores?, ¿qué información se ofrece sobre datos y evaluación?

Gratis en licencia, costoso en operación

Un modelo sin regalías todavía consume cómputo. La factura real incluye GPU o servicio alojado, memoria, almacenamiento, transferencia, disponibilidad, monitorización y tiempo de ingeniería. También incluye evaluación humana: una respuesta barata que requiere mucha revisión puede costar más por caso resuelto que otra inferencia más cara.

Conviene medir coste por salida aceptada. Si cien solicitudes cuestan diez euros de infraestructura, pero solo cincuenta cumplen el criterio, el coste básico no es diez céntimos por respuesta útil, sino veinte, antes de sumar revisión y correcciones. El mismo cálculo debe aplicarse a cada tamaño y alternativa con el mismo conjunto de tareas.

La variante de 70.000 millones de parámetros podía ofrecer más capacidad que la de 7.000 millones en ciertos problemas, pero también exigía más memoria y cómputo. Cuantizarla podía reducir recursos y alterar calidad o velocidad. El tamaño del fichero no decide la opción: la decide la frontera entre calidad, latencia, coste y requisitos del caso.

Control local tampoco es privacidad automática

Ejecutar el modelo en infraestructura propia permite decidir dónde viajan las instrucciones y cuánto tiempo se guardan. Esa posibilidad solo se convierte en control si el pipeline entero permanece dentro del límite elegido. Una interfaz puede llamar a servicios externos para telemetría, filtros, búsqueda o registro; una biblioteca puede descargar componentes; los operadores pueden conservar trazas.

Antes de prometer privacidad, un diagrama debe seguir cada dato desde la entrada hasta la copia de seguridad. Hay que identificar procesadores, regiones, retención, permisos, cifrado y borrado. El peso local reduce una dependencia, pero no sanea los datos de entrenamiento ni autoriza introducir información personal, secretos o material de terceros.

El alojamiento propio también transfiere parches, control de acceso, aislamiento y respuesta a incidentes. Un endpoint sin autenticación o una dependencia vulnerable puede borrar la ventaja de no enviar datos a una API. El control es una capacidad operativa demostrada, no una propiedad mágica del archivo descargado.

Una prueba de adopción reproducible

Primero se congelan entre 50 y 100 tareas reales, incluidos casos normales, ambiguos y adversariales. Para cada una se define qué cuenta como correcta, qué error obliga a abstenerse y qué daño no se acepta. Las instrucciones deben ser las mismas para Llama 2 y para la alternativa; también el presupuesto de contexto, herramientas y reintentos.

Después se comparan al menos exactitud, alucinaciones, abstención, seguridad, latencia, coste y minutos de revisión. Los evaluadores no deberían conocer el nombre del modelo. El promedio se acompaña de fallos por categoría: un sistema puede mejorar redacción general y empeorar justo en citas, cálculos o el idioma que importa.

La prueba necesita una ficha de versión: variante base o chat, tamaño, hash de pesos, cuantización, biblioteca, prompt de sistema, parámetros de muestreo, hardware y fecha. Sin ella, una actualización silenciosa o un cambio de configuración puede parecer una mejora del modelo. También se conserva un camino de vuelta si una versión rompe el flujo.

Por último se rellena una matriz con cinco columnas: artefacto, derecho, restricción, coste y responsable. Esa matriz separa lo que Meta entregó de lo que el equipo debe construir y permite volver a evaluar otra licencia sin rehacer todo el razonamiento. Llama 2 amplió el acceso real a modelos capaces, pero su lección duradera es más precisa: para juzgar un modelo «abierto», hay que leer archivos, licencia y operación por separado.