Models actuals: GPT-4o, Claude 3.5, Gemini, LLaMA

Comparativa de models el 2025

Model	Empresa	Paràmetres	Context	Open Source	Punt fort
GPT-4o	OpenAI	~200B (estim.)	128K tokens	No	Equilibri general, multimodal
GPT-4o mini	OpenAI	~8B (estim.)	128K tokens	No	Cost-efectivitat
o3	OpenAI	Desconegut	200K tokens	No	Raonament matemàtic
Claude 3.5 Sonnet	Anthropic	Desconegut	200K tokens	No	Documents llargs, codi
Claude 3.5 Haiku	Anthropic	Desconegut	200K tokens	No	Velocitat, cost
Gemini 1.5 Pro	Google	~500B (estim.)	1M tokens	No	Context ultra-llarg, multimodal
Gemini 1.5 Flash	Google	~70B (estim.)	1M tokens	No	Velocitat, cost
LLaMA 3.1 405B	Meta	405B	128K tokens	Sí	Open source, privadesa
LLaMA 3.1 70B	Meta	70B	128K tokens	Sí	Rendiment/cost local
Mistral Large 2	Mistral	~70B (estim.)	128K tokens	Parcialment	Multilingüe, europeu
Phi-3 Medium	Microsoft	14B	128K tokens	Sí	Model petit d'alta qualitat
Gemma 2 27B	Google	27B	8K tokens	Sí	Accés obert de qualitat

Executar LLMs localment amb Ollama

Ollama és la forma més senzilla de córrer models oberts localment (privadesa total, sense cost d'API):

# Instal·lar Ollama (Linux/macOS)
curl -fsSL https://ollama.ai/install.sh | sh

# Descarregar i córrer LLaMA 3.1 (8B, ~5GB)
ollama pull llama3.1:8b
ollama run llama3.1:8b

# O directament amb Docker
docker run -d --name ollama \
  -p 11434:11434 \
  -v ollama:/root/.ollama \
  ollama/ollama

# Descarregar el model dins del contenidor
docker exec -it ollama ollama pull llama3.1:8b

# Provar via API REST
curl http://localhost:11434/api/generate -d '{
  "model": "llama3.1:8b",
  "prompt": "Explica en català que és la intel·ligència artificial",
  "stream": false
}'