Llamaレビュー【2026年】料金・使い勝手・向き不向きを整理

best

UXリサーチャー/AIツール評価
Llamaレビュー【2026年】料金・使い勝手・向き不向きを整理

Llamaは、Meta(旧Facebook社)が公開するオープンウェイトの大規模言語モデル群です。結論から言うと、「モデルの重みそのものは無料で手に入るが、動かす場所にお金がかかる」契約構造で、ChatGPTのような月額サブスクとは仕組みから違います。現行は2025年4月に登場したLlama 4系(長文脈のScout、マルチモーダルのMaverick)が中心で、第三者の料金比較サイトによれば、2026年11月時点で月間アクティブユーザー7億人未満の製品なら商用利用も可能なCommunity Licenseが適用されます。本稿は実機での運用試験を行っていない公開情報ベースの整理であり、ベンチマークの体感論など確認できない部分は未検証として明記します(2026年11月時点)。

この記事の結論

  • LlamaはMeta開発のオープンウェイトLLMで、重みのダウンロードは無料。本体価格はゼロ
  • 現行はLlama 4 Scout(1000万トークンの文脈)とMaverick(マルチモーダルのMoE構成)の二本柱
  • 商用利用は月間アクティブユーザー700百万(7億)人未満の製品が条件。帰属表示も必要
  • 利用実態は「自前GPUで回すか、第三者ホスティングで従量課金」の二択。Scoutは入力0.10米ドル/百万トークン前後から
  • 非技術者が対話用途で使うならMeta AI(完成品アプリ)の方が近道で、Llama本体は開発者向けの部品

Llamaは何者で、何ができるのか

Llamaは、ChatGPTのような完成品アプリではなく、LLMの「エンジン」です。文章の生成・要約・翻訳・分類・コード補助といった言語処理の芯を担う部分だけが公開されており、チャット画面やアプリは付いてきません。だから正確な位置づけは「開発者が自分の製品に組み込むためのモデル」となります。使う側が自分でUIを作り、自分でサーバーを用意するか、第三者のホスティング業者に依頼するかを選びます。

2026年時点の主力はLlama 4系です。Scoutは驚異的な長さの文脈窓(1000万トークン)を持ち、長い文書を丸ごと読み込むRAG構成と相性が良いと紹介されます。Maverickは画像も扱えるマルチモーダル構成で、MoE(専門家の混合)方式により軽量化されています。第三者情報では、Metaの最新のオープンウェイトはすでに「Muse」という別系列へ移りつつあり、Llamaの公式ドキュメントは開発者向けサイト(dev.meta.ai)へ統合されたと伝えられています。つまり2026年のLlamaは「現役だが、シリーズの主役交代が進みつつある世代」であり、導入判断ではこの点を押さえておく必要があります。

提供形態はどう変わったか

注目すべき変化が、Meta自身のLlama APIの扱いです。第三者の料金追跡メディアによると、Metaが自社ドメインでトークンを直接販売する形のLlama APIは2026年に終了し、現在は重みのダウンロードと、第三者ホスティング経由の利用が中心になっています(二つの独立したメディアが同じ状況を報告しています)。つまり「Meta公式の従量課金でLlamaを呼ぶ」という選択肢は、2026年時点では前提から外れてきたと理解するのが安全です。ライセンスやダウンロードは開発者向けサイトで案内されています。

項目 内容
開発元 Meta(米国)
提供形態 オープンウェイト(Hugging Faceなどからダウンロード)+第三者ホスティング
現行モデル Llama 4 Scout(長文脈)/Llama 4 Maverick(マルチモーダル・MoE)/Llama 3.3 70B など
ライセンス Llama Community License(700M MAU条項・帰属表示の条件付き商用利用)
料金体系 重み無料/ホスティングはトークン従量(第三者価格)/ローカルはGPU代のみ
主な用途 自社サービスへの組み込み、RAG、ローカル運用、ファインチューニング

料金はどう動くのか(無料の意味と従量の実態)

「Llamaは無料」という言い方は半分正しくて、半分誤解を生みます。正しいのは重みの部分。ダウンロードもファインチューニングもライセンス料は不要です。誤解を生むのは運用の部分で、モデルを動かす計算資源は実費がかかります。選択肢は三つに整理できます。一つ目は自分のGPUで回すローカル運用。初期投資はハードウェア代だけで、運用中の追加料金は電気代程度です。二つ目はクラウドGPUの借り上げ。時間課金で、連続運転ほど割高になりがちです。三つ目が第三者ホスティングで、トークンの使用量に応じた従量課金になります。

第三者ホスティングの相場は、2026年11月時点の料金比較サイトの記録では次の帯域です。Scoutが入力0.10米ドル/出力0.30米ドル(百万トークンあたり)、Maverickが入力0.35米ドル/出力1.00米ドル前後、軽量のLlama 3.1 8Bなら0.02〜0.08米ドルの水準。同じ重みでも業者により単価が数倍違うのがオープンウェイト市場の特徴で、これが「重みが共通だから価格競争が起きる」構造の恩恵です。

モデル 入力/出力(百万トークンあたり) 備考
Llama 4 Scout 0.10/0.30米ドル前後 長文脈向け。業者により上限が設定される場合あり
Llama 4 Maverick 0.20〜0.35/0.80〜1.00米ドル マルチモーダルの主力。業者により幅あり
Llama 3.3 70B 0.10/0.32米ドル前後 旧世代だがコスト効率が高いと定評
Llama 3.1 8B 0.02〜0.08米ドル程度 分類・抽出などの軽量タスク向け

価格は米ドル表記で、日本円での実額は為替で変動します。また、この表は第三者の料金比較サイトの記録に基づく参考値であり、ホスティング業者の改定は速い。契約前に利用予定の業者の料金ページを必ず確認してください。

月額換算の見通しはどう立てるか

従量課金の弱点は、月額が使用量に比例して動くため、予算の固定がしにくい点です。実務的な見積もりは三段階で立てます。標準的なリクエストの入出力トークン数を代表値で押さえる。月のリクエスト数を掛けてトークン総量を出す。最後の工程として業者の単価表で入出力を分けて計算する。このとき、出力は入力より単価が高い業者が多いため、生成の長い製品ほど出力側の重みが大きくなります。月額換算の型を表にすると次の通りです(あくまで計算の型であり、実際の金額は使用量と業者で変わります)。

利用の型 月のトークン量の目安 費用の読み方
個人ツールへの組み込み(軽量モデル) 数十万〜数百万トークン 軽量モデルなら数米ドル程度に収まる帯。先に実測してから業者を選ぶ
社内ツールのRAG(Scout) 数百万〜数千万トークン 入力が多い構成。入力単価の安い業者の選定が効く
製品への本番組み込み(Maverick) 数千万トークン以上 出力単価の重みが大きい。月間使用量で業者と交渉する段階になる

700M MAU条項のライセンスはどう読むべきか

Llama Community Licenseで最も議論になるのが、月間アクティブユーザー(MAU)700百万=7億人を超える製品は、Metaとの別途ライセンスが必要という条項です。実務的な読み方は二つあります。一つは、世界最大級のサービスでなければこの条項は事実上拘束しない、という読み方。実際、世界中のスタートアップや中小企業がLlamaを商用製品に組み込んでいます。もう一つは、条項の存在自体が「本当に完全なオープンソースではない」という評価につながるという読み方です。Apache 2.0のような無条件のOSSライセンスと比べると、法的な確実さは一段低い位置にあります。

実務で気をつけるべきは、条項以外の細部です。帰属表示(「Built with Llama」形式のクレジット)が求められる点、利用規約の改定がモデルのバージョンごとに起こりうる点、そして重みの配布元ごとに利用条件の表示が異なる場合がある点です。特にクライアントに納品するシステムでLlamaを使う場合、契約書に「使用モデルとライセンスバージョン」を明記しておくと後々の揉めを避けられます。詳細は必ず公式のライセンス条文で確認してください。

ローカルで動かすには何が必要か

ローカル運用の最大の魅力は、データが端末から出ないことと、枚数(トークン数)に課金がないことです。障壁はハードウェアです。第三者の検証記事が整理する目安では、Llama 3.3 70Bが量子化すればRTX 4090級の24GBで動くのに対し、Maverickのフル精度はH100四枚級を要求する。Scoutの1000万トークン文脈を実際に活かすにはKVキャッシュの容量が壁になり、実用上は文脈の上限を絞って運用する形になります。つまり「ローカルでLlama」といっても、動かせるモデルサイズは手持ちのGPUで決まる、ということです。

入門道具は何を選ぶべきか

道具選びは整理されています。手元のPCで対話を試すだけならOllamaやLM Studioが定番で、コマンド一つでモデルのダウンロードから起動まで進みます。自社サービスに組み込むならvLLMやllama.cppが実運用の定番で、OpenAI互換のAPIを提供する設定が多いので、既存コードの流用がしやすい。ファインチューニングまで踏み込むなら、LoRA系の手法で追加学習するのが現在の主流です。入門→実運用→学習の三段階で道具が揃っており、この成熟度はLlamaの強みと言えます(道具の動作確認は実機検証ではなく公開情報に基づく整理です)。

もう一つ触れておきたいのが、Meta自身の完成品アプリの存在です。Meta AIという対話アシスタントがLlama系モデルを基盤に提供されており、一般のユーザーが「Llamaを触りたい」だけなら、開発環境なしでこのアプリから試せます。本稿では後述の通り用途別の結論を分けていますが、エンジニアリングなしの対話用途なら、最初にMeta AIで感触を確かめるのが近道です。

データの機密性はどこまで確保できるか

オープンウェイトの最大の実務的価値は、データの流れを自分で設計できる点です。ローカル運用なら、入力した文書が端末から出ることはありません。ホスティングでも、契約する業者のデータポリシー次第で「学習に使われない」条件を選べます(ポリシーの内容は業者ごとに異なるため、契約前の確認が必須です)。機密性の要求が高い業界(医療、法務、金融)では、この点が完成品AIとの決定的な差になることがあります。一方で、機密性を取ると運用の手間が増える構造自体は変わりません。安全性の設計(入力の監視、モデルの出力フィルタ)も含めて、セキュリティ部門を巻き込んだ導入判断が必要です。軽量モデルで手元検証する段階なら、Ollamaのようなローカルツールで十分に試せます。

Llamaの強みは何か(メリット整理)

  • 重みが無料で手に入る:ライセンス料なしでダウンロードでき、本体価格ゼロでPoCから始められる
  • ホスティング市場の価格競争の恩恵:同じ重みを複数業者が扱うため、単価交渉と乗り換えが自由
  • ローカル運用でデータを外に出さない:機密文書や顧客データを扱う業務で安心感がある
  • オープンウェイト勢として最大級のエコシステムがあり、ツール・ファインチューン・情報の入手性が高い
  • モデルサイズの選択肢が広く、8B軽量から400B級まで用途と予算で選べる
  • 長文脈のScoutは、長文書を丸ごと読ませるRAG構成と相性が良い
  • 商用利用が条件付きで可能で、中小規模の製品なら実質的に自由度が高い

一言で言えば、「条件の自由度とコストの下限」を買えるのがLlamaです。月額サブスクに縛られず、負荷に応じてローカルとクラウドを混ぜられる構造は、継続的なAI投資を考える組織にとって実質的な保険になります。

ChatGPTやDeepSeekと何が違うのか

比較の軸は「完成品か部品か」と「価格の型」です。ChatGPTは完成品で、月20米ドル前後のサブスク対価を払えばUI・検索・ファイル処理まですべて揃います。Claudeも同様に完成品寄りの契約で、長文処理に定評があります。一方Llamaは部品で、組み立てコスト(開発とインフラ)と引き換えに、本体価格ゼロと細部の制御を得ます。同じオープンウェイト勢のDeepSeekやKimiは、重み公開に加えて自社の低価格APIも運営しており、「オープンウェイト+安い公式API」の二重構造です。ここはLlamaと対比する際に押さえておきたい違いです。

用途別の整理が以下の通りです。チャットとして日々の作業に使うなら完成品(ChatGPT・Claude・Google Gemini)が正解で、Llama本体を選ぶ理由にはなりません。モデルを手元で自由に実験したい開発者には、Google AI Studioのような開発者向けプレイグラウンドと並べて試すのが理解が速いです。社内ツールにLLMを組み込みたい開発チームは、Llamaの重み無料とホスティングの価格競争が刺さります。モデルを画面越しに横並びで試したい人にはPoeのような集約サービスが便利です。コード生成を中心に置くならGitHub CopilotやCursorのような専用ツールの存在も忘れないでください。

料金面の比較はどうなるか

代表値を並べると、完成品AIは月額20米ドル前後の帯域に集まる一方、Llamaホスティングはトークン従量で、軽い用途なら月1〜2米ドル程度に収まることも珍しくありません(使用量に依存するため目安の域を出ません)。ただし「安い」と「得」は別物です。部品を使うには開発者の工数がかかり、その人件費が月額差を消すこともあるからです。判断の目安は「専任開発者がいるかどうか」です。いるならLlamaの構造は効きます。いないなら完成品の月額の方が総コストは安い、という整理が一番トラブルが少ない読み方です。

Llamaの弱みと注意点はどこか(デメリット整理)

  • 完成品アプリが付属しないため、非技術者には使い道が見えにくい。対話用途ならMeta AIなどの完成品が先
  • ライセンスが完全なOSSではなく、700M MAU条項・帰属表示・バージョンごとの規約差で法的確認の手間が残る
  • 上位モデルのローカル運用はGPU要求が重く、Maverickフル精度は個人では事実上届かない
  • Meta自身のLlama APIは終了したと第三者が報告しており、公式の従量課金ルートが安定供給される前提では設計できない
  • 最新世代の主役交代(新系列への移行)が進みつつあり、長期運用ではモデルの更新計画を事前に立てる必要がある
  • ホスティング価格は業者ごとに数倍の幅があり、比較の手間と業者選定リスクが利用者側に付く。ベンチマークの数字と実用の体感に差があるとの評もコミュニティで見られ、品質判断は自社データでの試作が必須になる

特に注意したいのは四番目と七番目です。APIの在り方は2026年になって大きく変わったため、「前はこうだった」の情報が今は通用しない領域です。そして品質論は、公開ベンチマークでは見えない自社のデータ(方言、専門用語、文書形式)でこそ決まるので、数百万トークンの本格導入前に数百トークンの試作を挟むのが安全です。

よくある質問(FAQ)

Q. LlamaはChatGPTみたいに画面が付いていますか?

A. 付いていません。Llamaはモデル(エンジン)の公開で、チャット画面は利用者が自分で用意するものです。画面付きで試したい場合は、Metaが提供する対話アシスタント「Meta AI」か、OllamaやLM Studioのようなローカル実行ツールを使うのが現実的です。

Q. 商用利用は本当に無料ですか?条件は何ですか?

A. Community Licenseの範囲では、月間アクティブユーザー700百万(7億)人未満の製品なら商用利用が可能と案内されています。加えて帰属表示が必要です。7億人を超える規模はMetaとの別途契約が前提になります。正確な条文はダウンロード元の公式ライセンスで必ず確認してください。

Q. 料金を見ると業者によって同じLlamaでも数倍の差があるのですが、どこを見て選べばいいですか?

A. ここは私が第三者の料金表を並べて比較したときに最も戸惑った点です。同じ重みでも業者の最適化と歩合で単価が変わるため、見るべきは「自分の想定使用量での月額換算」です。入出力の割合(出力は入力より高いことが多い)、文脈長の上限、速度帯も合わせて確認してください。小さいモデルで実際の使用量を計測してから業者を決めると、後悔が少ないです。

Q. 自社サービスに組み込むならどのモデルから始めるべきですか?

A. 軽量モデル(8B級)から始めるのが定石です。分類・抽出・短文生成のような定型タスクなら軽量モデルで足りる可能性が高く、トークン単価も最低帯域です。品質が足りないと判明した段階で上位モデルへ上げると、費用が無駄になりません。逆に長文書の読解が主目的なら、最初からScoutを試す価値があります。

Q. 2026年にMetaのLlama APIはどうなりましたか?

A. 第三者の料金追跡メディアによると、Metaが自社ドメインでトークンを直接販売する形のLlama APIは2026年に終了し、現在は重みのダウンロードと第三者ホスティングが中心と報告されています。二つの独立したメディアが同じ状況を伝えているため、公式APIを前提にした設計は見直すべきと考えるのが妥当です。最新の状況は公式の開発者向けサイトで確認してください。

Q. ファインチューニングは難しいですか?

A. 現在の主流はLoRAという軽量学習手法で、全パラメータの再学習より少ない計算資源で自分のデータに寄せられます。ただしデータの整形(良質な例文集の作成)が実は一番の工数です。モデル側の技術は道具が成熟していますが、成果の質はデータの質に比例する、という点は覚悟しておいてください。

まとめ

Llamaを選ぶかどうかは、「開発リソースの有無」と「データの機密性」で決まります。専任の開発チームがいて、データを外部に出したくない、コストを量で管理したい、という条件が揃うなら、重み無料のLlamaは2026年時点でも最有力の選択肢の一つです。条件が揃わないなら、月額固定の完成品AIの方が総コストは安い。それほど難しい話ではありません。最初はOllamaで手元のPCに軽量モデルを入れて、自分の仕事の定型タスクを十数件流してみる。そこで品質が足りなければホスティングの上位モデル、足りなければ完成品AIへ、と進むのが一番後悔の少ない順路だと整理できます。

出典

出典:AIToolTier「Llama 4(Meta)の料金と評価」(2026年11月5日時点の確認)
出典:Flatkey「Llama API(2026年)料金と設定ガイド」(2026年10月22日)
出典:Cabina.AI「Llama APIの料金、完全コストガイド」(2026年)



メールマガジン

最新のAI情報をメールで受け取る

新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。

ご登録後、確認メールをお送りします。配信停止はいつでも可能です。

週1回・無料

AEO診断・AIクローラー最新情報を、
週1回お届け

AI Botの仕様変更やAEO対策のノウハウ、よくあるトラブル事例を編集部が厳選しメール配信。いつでも配信停止可能です。

  • 新Bot・仕様変更AIクローラーに新しいBotが追加されたとき、判定仕様が変わったときの速報
  • 障害事例と対処AEO診断で多い障害事例と、その対処方法を実例で解説
  • AEO活用術Web制作会社・SEO担当者向けのAEO活用テクニック

登録により 利用規約に同意したとみなされます。確認メールのリンクを押すと登録が完了します。

My-Best.AI|AIツール比較・ランキング・おすすめ最新AI情報
Logo