Llama API (2026): Wo Sie Llama noch aufrufen können, Preise und Einrichtung
Im Oktober 2026 gibt es von Meta keine Self-Service-Llama-API mit nutzungsbasierter Abrechnung: Metas Entwicklerseite, jetzt unter dev.meta.ai, verkauft ihre Muse-Modelle über die Meta Model API, und die Seite zur „offiziellen Llama API“ bei Groq verlangt, dass Sie Early Access beantragen. Wenn Sie Llama heute aufrufen müssen, nutzen Sie einen gehosteten Anbieter. OpenRouter listet Llama 3.3 70B Instruct mit $0.10 Eingabe und $0.32 Ausgabe pro Million Token, Together AI bietet es für $1.04 / $1.04 an, und Groq führt Llama als Enterprise-Modell auf Vertriebsanfrage. Sie können die Gewichte auch herunterladen und selbst hosten.
Dieser Leitfaden richtet sich an Indie-Entwickler, die noch diese Woche einen funktionierenden Llama-Endpunkt brauchen. Er erklärt, was sich bei Meta geändert hat, welche Anbieter welche Llama-Modelle zu welchem Preis bereitstellen, liefert kopierfertigen Code für das OpenAI SDK, zeigt, wie Sie zwischen gehostet und selbst gehostet wählen, und was Sie nutzen können, wenn Sie einfach ein günstiges offenes Modell hinter einem Schlüssel wollen. Alle Preise unten wurden am 22. Oktober 2026 geprüft.
Was ist aus Metas offizieller Llama API geworden?
Meta kündigte 2025 eine Llama API für Entwickler mit einem OpenAI-kompatiblen Endpunkt unter https://api.llama.com/compat/v1/ an. Stand 22. Oktober 2026 gilt dreierlei:
- llama.developer.meta.com und llama.com leiten jetzt auf dev.meta.ai weiter. Die Überschrift der Seite lautet „Your next build starts with Muse“, und das Modellmenü listet Muse Wonder, Muse Spark 1.3, Muse Spark Open, Muse Glimmer, Muse Image, Muse Voice Transcribe und SAM 3.1. Llama taucht nur noch als Link zur Llama-Dokumentation und zum Llama-GitHub auf.
- Die Meta Model API liefert Muse, nicht Llama. Ihre Dokumentation nennt die Base-URL
https://api.meta.ai/v1und bietet Schnittstellen im Stil von Responses, Chat Completions und Messages für die Muse-Modelle. - Die von Groq beschleunigte „offizielle Llama API“ ist zugangsbeschränkt. Groqs Llama-API-Landingpage zeigt weiterhin die Base-URL
api.llama.com/compat/v1/und den Hinweis „Request Early Access and start building!“. Eine nicht authentifizierte Anfrage an diesen Endpunkt liefert HTTP 401, Sie brauchen also einen freigeschalteten Schlüssel.
Wenn ein Tutorial Ihnen also sagt, Sie sollen sich „bei der Meta Llama API registrieren und einen Schlüssel holen“, rechnen Sie mit einer Warteliste. Der praktische Weg ist ein Drittanbieter.
Wo Sie Llama im Oktober 2026 aufrufen können (Preisvergleich)
Preise in USD pro Million Token, geprüft am 22. Oktober 2026.
| Anbieter | Llama-Modell | Eingabe | Ausgabe | Kontext | Hinweise |
|---|---|---|---|---|---|
| OpenRouter | Llama 3.3 70B Instruct | $0.10 | $0.32 | 131,072 | Leitet zum günstigsten verfügbaren Host |
| OpenRouter | Llama 4 Maverick | $0.1875 | $0.6525 | 524,288 | Multimodale Eingabe |
| OpenRouter | Llama 4 Scout | $0.10 | $0.30 | 1,310,720 | Längster gelisteter Kontext |
| OpenRouter | Llama 3.1 8B Instruct | $0.05 | $0.08 | 131,072 | Günstigstes Allzweck-Llama |
| Together AI | Llama 3.3 70B | $1.04 | $1.04 | n/a | Serverless, ein einheitlicher Preis |
| Together AI | Llama 3 8B Instruct Lite | $0.14 | $0.14 | n/a | Serverless |
| Groq | llama-3.3-70b-versatile |
Vertrieb kontaktieren | Vertrieb kontaktieren | 131,072 | Als Enterprise gekennzeichnet; etwa 280 Token/s angegeben |
| Groq | llama-3.1-8b-instant |
Vertrieb kontaktieren | Vertrieb kontaktieren | 131,072 | Als Enterprise gekennzeichnet; etwa 560 Token/s angegeben |
| Selbst gehostet (Gewichte auf Hugging Face) | Jedes Llama | GPU-Kosten | GPU-Kosten | Modelllimit | Erfordert Zustimmung zur Llama-Lizenz |
Quellen: OpenRouters öffentliche Models API, die Preisseite von Together AI und Groqs Modellseite, alle geprüft am 22. Oktober 2026. OpenRouter-Preise sind die günstigste gelistete Route und können sich ändern, wenn Hosts ihre Tarife anpassen.
Warum dasselbe Modell bei einem Host 10-mal mehr kostet
Llama 3.3 70B kostet $0.32 pro Million Ausgabe-Token bei OpenRouter und $1.04 bei Together. Die Gewichte sind identisch; die Unterschiede liegen in der Quantisierung (FP8 oder höhere Präzision), dem garantierten Durchsatz, den Rate Limits und darin, ob der Host das Modell in großem Maßstab betreibt. Prüfen Sie beim Vergleich drei Dinge auf der Modellseite des Anbieters: die bereitgestellte Präzision, die maximale Zahl an Ausgabe-Token und ob der volle 128K-Kontext erhalten bleibt.
So rufen Sie Llama mit dem OpenAI SDK auf
Alle oben genannten Hosts bieten einen OpenAI-kompatiblen Chat-Completions-Endpunkt, sodass derselbe Code mit anderer Base-URL und Modell-ID funktioniert.
Python (OpenRouter):
import os
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key=os.environ["OPENROUTER_API_KEY"],
)
resp = client.chat.completions.create(
model="meta-llama/llama-3.3-70b-instruct",
messages=[{"role": "user", "content": "Summarize the Llama 3.3 license in 3 bullets."}],
max_tokens=300,
)
print(resp.choices[0].message.content)
print(resp.usage)
curl (Together AI):
curl -s https://api.together.xyz/v1/chat/completions \
-H "Authorization: Bearer $TOGETHER_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "meta-llama/Llama-3.3-70B-Instruct-Turbo",
"messages": [{"role": "user", "content": "Write a haiku about rate limits."}],
"max_tokens": 100}'
Node.js (Groq, falls Ihr Konto Llama-Zugriff hat):
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.groq.com/openai/v1",
apiKey: process.env.GROQ_API_KEY,
});
const r = await client.chat.completions.create({
model: "llama-3.3-70b-versatile",
messages: [{ role: "user", content: "Explain tokens per second in one sentence." }],
});
console.log(r.choices[0].message.content);
Modell-IDs unterscheiden sich je nach Host (zum Beispiel meta-llama/llama-3.3-70b-instruct bei OpenRouter gegenüber meta-llama/Llama-3.3-70B-Instruct-Turbo bei Together). Lesen Sie die ID daher aus der Modellliste des Anbieters, statt sie zu raten. Prüfen Sie die exakte ID vor dem Deployment mit GET /v1/models.
Welches Llama-Modell sollten Sie wählen?
| Aufgabe | Modell | Warum |
|---|---|---|
| Klassifikation, Routing, kurze Extraktion | Llama 3.1 8B | $0.05 / $0.08 bei OpenRouter, schnell |
| Allgemeiner Chat und RAG-Antworten | Llama 3.3 70B | Bekannt bestes Preis-Leistungs-Verhältnis der Llama-3-Reihe |
| Sehr lange Dokumente | Llama 4 Scout | 1,31M-Token-Kontext bei OpenRouter gelistet |
| Bild- und Texteingabe | Llama 4 Maverick | Nativ multimodal, 524K Kontext |
| Sicherheitsfilterung | Llama Guard 4 12B | Moderationsmodell, $0.18 / $0.18 bei OpenRouter |
Eine schnelle Monatsschätzung: 50.000 RAG-Antworten auf Llama 3.3 70B mit je 3.000 Eingabe- und 400 Ausgabe-Token ergeben 150M Eingabe- und 20M Ausgabe-Token. Bei OpenRouter sind das 150 × $0.10 + 20 × $0.32 = $21.40 pro Monat; bei Together 170 × $1.04 = $176.80.
# Monthly cost estimate for a Llama route (prices per 1M tokens, Oct 22, 2026)
routes = {"openrouter-llama-3.3-70b": (0.10, 0.32), "together-llama-3.3-70b": (1.04, 1.04)}
req, tin, tout = 50_000, 3_000, 400
for name, (pin, pout) in routes.items():
cost = req * tin / 1e6 * pin + req * tout / 1e6 * pout
print(f"{name}: ${cost:,.2f}/month")
Gehostete API oder Llama selbst hosten
Self-Hosting lohnt sich, wenn Daten auf Ihrer eigenen Hardware bleiben müssen, Sie eine feinabgestimmte Variante brauchen oder ein sehr hohes dauerhaftes Volumen haben. Meta veröffentlicht die Gewichte auf Hugging Face unter der Llama Community License, und Inferenz-Engines wie vLLM stellen einen OpenAI-kompatiblen Server bereit.
| Faktor | Gehostete API | Selbst gehostet |
|---|---|---|
| Zeit bis zur ersten Anfrage | Minuten | Stunden bis Tage |
| Kosten bei geringem Volumen | Cent-Beträge | Kosten für ungenutzte GPUs |
| Kosten bei hohem Dauervolumen | Linear pro Token | Pro Token ggf. günstiger |
| Datenhoheit | Bedingungen des Anbieters | Vollständig bei Ihnen |
| Betriebsaufwand | Keiner | Skalierung, Upgrades, Monitoring |
Faustregel für ein Indie-Team: Liegt Ihre Rechnung über eine gehostete Route unter ein paar hundert Dollar im Monat, gewinnt die gehostete API beim Zeitaufwand. Ein 70B-Modell braucht viel GPU-Speicher (rund 140 GB allein für die Gewichte bei 16-Bit-Präzision, ohne KV-Cache), kalkulieren Sie die Hardware also, bevor Sie sich festlegen.
Häufige Probleme mit der Llama API und Lösungen
- 401 von api.llama.com: Ihr Konto ist für die zugangsbeschränkte Llama API nicht freigeschaltet. Nutzen Sie einen Drittanbieter.
- 404 model not found: Die Modell-ID ist hostspezifisch. Listen Sie die Modelle mit
GET /v1/modelsauf. - Ausgabe bricht ab: Manche Hosts begrenzen die maximalen Ausgabe-Token (Groq nennt 32.768 für Llama 3.3 70B). Setzen Sie
max_tokensexplizit. - 429 Rate Limit: Kostenlose und niedrige Tarife haben enge Anfragelimits. Fügen Sie Wiederholungen mit Backoff hinzu; unser Leitfaden zu Rate Limits zeigt ein Muster.
- Unterschiedliche Antworten je Host: Die Quantisierung unterscheidet sich. Legen Sie sich für Evaluierungen auf einen Host fest.
Bietet Flatkey Llama an?
Nein. Stand 22. Oktober 2026 enthält der Flatkey-Modellkatalog kein Llama-Modell, richten Sie einen Flatkey-Schlüssel also nicht auf eine Llama-Modell-ID. Wenn Sie eigentlich ein günstiges Modell hinter einem OpenAI-kompatiblen Schlüssel suchen, listet Flatkey diese Alternativen (pro Million Token, 22. Oktober 2026):
| Modell bei Flatkey | Eingabe | Ausgabe | Kontext |
|---|---|---|---|
| Qwen 3.8 Flash | $0.12 | $0.376 | n/a |
| Qwen 3.7 Plus | $0.32 | $1.28 | 256,000 |
| MiniMax M2.7 | $0.30 | $1.20 | 204,800 |
| Kimi K2.5 | $0.48 | $2.40 | 262,144 |
Das sind andere Modelle als Llama und kein direkter Ersatz, testen Sie sie also mit Ihren eigenen Prompts. Weitere Optionen finden Sie in unseren Leitfäden zu kostenlosen LLM-APIs, OpenRouter-Alternativen, der Qwen API und DeepSeek-API-Preisen oder dazu, wie ein API-Schlüssel mehrere Modelle aufrufen kann.
FAQ
Was ist die Llama API?
Jede HTTP-API, die Metas Llama-Modelle bereitstellt. Metas eigene zugangsbeschränkte Llama API nutzt https://api.llama.com/compat/v1/, während Anbieter wie OpenRouter, Together AI und Groq Llama über ihre eigenen OpenAI-kompatiblen Endpunkte anbieten.
Ist die Llama API kostenlos?
Meta bietet im Oktober 2026 keine kostenlose Self-Service-Llama-API an. Einige Hosts betreiben kostenlose, rate-limitierte Llama-Varianten, und die Gewichte selbst lassen sich unter der Llama-Lizenz kostenlos herunterladen, aber für die GPUs zum Betrieb zahlen Sie.
Was kostet die Llama API?
Am 22. Oktober 2026 kostet Llama 3.3 70B bei OpenRouter $0.10 Eingabe und $0.32 Ausgabe pro Million Token und bei Together AI $1.04 / $1.04. Llama 3.1 8B kostet bei OpenRouter $0.05 / $0.08.
Worin unterscheidet sich Llama von GPT?
Llama-Modelle sind Open-Weight-Modelle: Sie können sie herunterladen und selbst betreiben oder aus vielen Hosts wählen. GPT-Modelle sind nur über die API von OpenAI oder deren Partner verfügbar. Für das OpenAI SDK geschriebener Code funktioniert mit einem Llama-Host meist, wenn Sie Base-URL und Modell-ID ändern.
Ist Metas Muse API dasselbe wie die Llama API?
Nein. Die Meta Model API unter api.meta.ai/v1 liefert Metas Muse-Modelle (etwa Muse Spark 1.3 und Muse Wonder), eine von Llama getrennte Modellfamilie.
Kann ich Llama über Flatkey nutzen?
Nein. Flatkey führt keine Llama-Modelle. Es bietet andere Modelle wie Qwen, DeepSeek, Kimi, Claude, GPT und Gemini hinter einem Schlüssel an.
Quellen
- Meta: dev.meta.ai, Dokumentation der Meta Model API, Llama auf Hugging Face
- Groq: Llama-API-Landingpage, Modelle
- Together-AI-Preise, OpenRouter Models API, vLLM-Dokumentation, alle geprüft am 22. Oktober 2026
