BtMData — Energía y compliance para centros de datos
    Todos los modelos

    Meta AI · 2025

    Llama 4: anatomía de la infraestructura de training

    Open-weights frontier. The reference stack for sovereign AI factories.

    Perfil de infraestructura de training

    Estimaciones públicas. No avaladas por el vendor del modelo.
    Parámetros

    ~400B – 2T (Scout, Maverick, Behemoth variants)

    Tokens de training

    ~30T+ tokens

    FLOPs

    ~1e26 FLOPs (Behemoth)

    Hardware

    ~100,000 NVIDIA H100 (Meta Mesa / Prometheus clusters)

    GPU-hours

    ~150M – 250M GPU-hours

    Coste estimado

    $1B – $2.5B (Meta H1 2025 capex on AI training)

    Potencia cluster

    ~100–150 MW (multi-cluster)

    Fuentes: Meta earnings calls (Q1–Q2 2025), Mark Zuckerberg public statements, SemiAnalysis.

    Qué significa esto para tu plan de infraestructura AI

    Entrenar un modelo en la liga de Llama 4 exige una AI Factory dedicada: miles de aceleradores, megavatios de potencia firme, refrigeración de bajo PUE, residencia soberana del dato y una estructura de financiación plurianual. Así traducimos el perfil público anterior a un plan desplegable.

    Sizing del cluster

    Dimensionamos los GPU/TPU equivalentes a tus FLOPs objetivo, contando MFU (Model FLOPs Utilization), overhead de checkpointing y tolerancia a fallos.

    Potencia y refrigeración

    Partiendo de la referencia de ~100–150 MW (multi-cluster), derivamos requisitos de subestación, objetivos PUE y arquitectura de cooling (DLC, inmersión, híbrida).

    CapEx + OpEx

    Modelo financiero a 20 años completo: hardware, real estate, contratos de energía, personal, ciclos de refresh. Estrés-test contra escenarios de precio energético.

    Despliegue soberano

    Residencia UE, alineación NIS2 / GDPR, opción air-gapped. Sin exposición al CLOUD Act estadounidense.

    Por qué importa

    ¿Planeas un modelo a escala Llama 4?

    Habla con nuestro equipo de infraestructura. Dimensionamos clusters GPU, potencia, refrigeración y financiación para training e inferencia a escala frontier — sobre infraestructura soberana europea.

    • Dimensionamiento de cluster GPU (H100 / H200 / B200) para tus FLOPs objetivo
    • Modelo de potencia, refrigeración y PUE para despliegues de 5–150 MW
    • CapEx + escenario OpEx a 20 años y vía de financiación
    • Selección de site: MAD1 (Madrid) + activos greenfield/brownfield ibéricos

    Las estimaciones públicas de Llama 4 muestran la escala de cluster, CapEx y huella energética necesarios para entrenar un modelo equivalente. Lo traducimos en un plan desplegable sobre infraestructura soberana europea.

    Otros modelos frontier

    Olvídate de estimaciones. Pide un sizing real.

    Lo hemos hecho para clientes hyperscale y soberanos en Iberia. Respuesta en 24h.

    Planificar un modelo equivalente

    Todas las cifras de esta página son estimaciones públicas compiladas a partir de investigación de terceros (Epoch AI, SemiAnalysis, MLPerf, notas de prensa de vendors) y literatura académica. No representamos a los vendors de los modelos, y los vendors no avalan estas cifras. Usar como referencia de orden de magnitud únicamente.