Llama · LLM-мониторинг
Открытые веса Meta — Llama в корпоративных ботах
Вас видят в публичном ChatGPT, но клиентский внутренний ассистент собран на открытой Llama — и там о вас может не быть ни слова. Llama от Meta — самая распространённая база для корпоративных чат-ботов и отраслевых решений; это отдельная инсталляция знаний, не дублирующая закрытые API OpenAI.
Как выглядит готовый отчёт
В демо выделена Llama (Meta): строка модели и цитаты из ответов именно этой линейки — наглядно рядом с закрытыми чатами.
Carapelli
Упоминания по моделям (демо-прогон)
Подсветка: Llama — фокус этой страницы. Цифры иллюстративные.
Конкуренты в этом срезе
Живой отчёт устроен так же: метрики, разбивка по моделям, цитаты, конкуренты и источники — для вашего бренда и выбранного набора моделей.
Бенчмаркинг
Срез с датой и временем
Каждый прогон фиксирует момент завершения — удобно сравнивать «до / после» смены позиционирования или контента.
Метод
Органические сценарии
Название бренда не подставляется в текст вопроса; оцениваем, упоминают ли модели вас в типовых запросах по нише.
Контекст
Рядом с Llama
В том же запуске можно включить другие модели и проверить, специфична ли картина для Llama или повторяется в стеке.
О модели
Семейство Llama распространяется как открытые веса: банки, ритейлеры и вендоры собирают свои чат-боты поверх 3.1 / 3.2 / 3.3 — поведение и знания отличаются между версиями и хостами.
Нет «одной кнопки Llama»: конкретный ответ зависит от fine-tune, RAG и провайдера — бренд может быть заметен в потребительском чате и исчезнуть в корпоративном боте заказчика на Llama.
Как мы измеряем видимость
Органические сценарии; бренд не в тексте вопроса; те же метрики, что для остальных моделей Getllmspy.
- Llama рядом с ChatGPT, Claude, Gemini и др.
- Доля голоса, конкуренты, цитаты
- Отчёт с датой для внутренних презентаций
Блоки отчёта
Сводка и время среза
В шапке отчёта — когда проверка завершена и какие модели участвовали. Это опорная точка для сравнения «до/после» кампаний.
LLM-Score и доля голоса
Сводный индекс по упоминаниям, позиции в списках и тональности; доля моделей, где бренд появился хотя бы раз по сценарию.
Конкуренты и подборки
Кто рядом с вами в ответах Llama: названия из текста, частота, контекст сравнения или рекомендаций.
Цитаты и нюансы формулировок
Фрагменты ответов для ручной проверки: как именно модель описывает категорию и ваш бренд.
Те же промпты на других моделях
Параллельный прогон Claude, Gemini, Perplexity и др. — чтобы увидеть, специфичен ли срез для Llama.
От запуска до снимка для презентации
Бренд и ниша
Контекст бренда, сайт, категория, язык и тип проверки — от этого выбирается пакет промптов.
Набор моделей
Выбираете семейства LLM; одинаковые сценарии выполняются параллельно по всем выбранным.
Прогон на сервере
Задание идёт на сервере — вкладку можно закрыть, отчёт открыть из «Истории», когда статус «готово».
Отчёт
LLM-Score, доля голоса, конкуренты, цитаты, источники — можно повторять замер и выгружать.
Сильное отличие от закрытых чатов может отражать конкретного хостинг-провайдера — закрепляйте методику повторных проверок.