Guias de modelos e modalidades22 de outubro de 2026Flatkey Team

Llama API (2026): onde ainda dá para chamar o Llama, preços e configuração

O que aconteceu com a Llama API oficial da Meta, quais provedores ainda servem Llama 3.3 e Llama 4 em outubro de 2026, seus preços, código OpenAI SDK pronto para copiar e os prós e contras de hospedar por conta própria.

Llama API (2026): onde ainda dá para chamar o Llama, preços e configuração

Em outubro de 2026 não existe uma Llama API self-service e paga por uso da Meta: o site de desenvolvedores da Meta, agora em dev.meta.ai, vende seus modelos Muse pela Meta Model API, e a página da "Llama API oficial" na Groq pede que você solicite acesso antecipado. Se você precisa chamar o Llama hoje, use um provedor hospedado. A OpenRouter lista o Llama 3.3 70B Instruct a $0.10 de entrada e $0.32 de saída por milhão de tokens, a Together AI o oferece a $1.04 / $1.04 e a Groq o lista como modelo Enterprise com contato comercial. Você também pode baixar os pesos e hospedar por conta própria.

Este guia é para desenvolvedores independentes que querem um endpoint Llama funcionando esta semana. Ele mostra o que mudou na Meta, quais provedores ainda servem quais modelos Llama e a que preço, código OpenAI SDK pronto para copiar, como escolher entre hospedado e auto-hospedado e o que usar se você só quer um modelo aberto barato atrás de uma única chave. Todos os preços abaixo foram verificados em 22 de outubro de 2026.

O que aconteceu com a Llama API oficial da Meta?

A Meta anunciou em 2025 uma Llama API para desenvolvedores com endpoint compatível com OpenAI em https://api.llama.com/compat/v1/. Em 22 de outubro de 2026, três coisas são verdadeiras:

llama.developer.meta.com e llama.com agora redirecionam para dev.meta.ai. O título do site é "Your next build starts with Muse", e o menu de modelos lista Muse Wonder, Muse Spark 1.3, Muse Spark Open, Muse Glimmer, Muse Image, Muse Voice Transcribe e SAM 3.1. O Llama aparece apenas como links para a documentação e o GitHub do Llama.
A Meta Model API serve Muse, não Llama. Sua documentação informa a base URL https://api.meta.ai/v1 e oferece interfaces no estilo Responses, Chat Completions e Messages para os modelos Muse.
A "Llama API oficial" acelerada pela Groq tem acesso restrito. A página da Llama API da Groq ainda mostra a base URL api.llama.com/compat/v1/ e diz "Request Early Access and start building!". Uma requisição sem autenticação para esse endpoint retorna HTTP 401, então você precisa de uma chave aprovada.

Portanto, se um tutorial mandar você "se cadastrar na Meta Llama API e pegar uma chave", espere uma lista de espera. O caminho prático é um provedor terceiro.

Onde chamar o Llama em outubro de 2026 (preços comparados)

Preços em USD por milhão de tokens, verificados em 22 de outubro de 2026.

Provedor	Modelo Llama	Entrada	Saída	Contexto	Observações
OpenRouter	Llama 3.3 70B Instruct	$0.10	$0.32	131,072	Roteia para o host disponível mais barato
OpenRouter	Llama 4 Maverick	$0.1875	$0.6525	524,288	Entrada multimodal
OpenRouter	Llama 4 Scout	$0.10	$0.30	1,310,720	Maior contexto listado
OpenRouter	Llama 3.1 8B Instruct	$0.05	$0.08	131,072	Llama de uso geral mais barato
Together AI	Llama 3.3 70B	$1.04	$1.04	n/a	Serverless, preço único combinado
Together AI	Llama 3 8B Instruct Lite	$0.14	$0.14	n/a	Serverless
Groq	`llama-3.3-70b-versatile`	Falar com vendas	Falar com vendas	131,072	Marcado como Enterprise; cerca de 280 tokens/s listados
Groq	`llama-3.1-8b-instant`	Falar com vendas	Falar com vendas	131,072	Marcado como Enterprise; cerca de 560 tokens/s listados
Auto-hospedado (pesos no Hugging Face)	Qualquer Llama	Custo de GPU	Custo de GPU	Limite do modelo	Exige aceitar a licença do Llama

Fontes: a API pública de modelos da OpenRouter, a página de preços da Together AI e a página de modelos da Groq, todas verificadas em 22 de outubro de 2026. Os preços da OpenRouter são a rota mais barata listada e podem mudar quando os hosts alteram suas tarifas.

Por que o mesmo modelo custa 10 vezes mais em um host

O Llama 3.3 70B custa $0.32 por milhão de tokens de saída na OpenRouter e $1.04 na Together. Os pesos são idênticos; as diferenças estão na quantização (FP8 versus precisão maior), na taxa de transferência garantida, nos limites de requisição e em se o host roda o modelo em escala. Ao comparar, verifique três coisas na página do modelo do provedor: a precisão servida, o máximo de tokens de saída e se ele mantém o contexto completo de 128K.

Como chamar o Llama com o OpenAI SDK

Todos os hosts acima expõem um endpoint Chat Completions compatível com OpenAI, então o mesmo código funciona trocando a base URL e o ID do modelo.

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, se sua conta tiver acesso ao Llama):

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);

Os IDs de modelo variam por host (por exemplo, meta-llama/llama-3.3-70b-instruct na OpenRouter versus meta-llama/Llama-3.3-70B-Instruct-Turbo na Together), então leia o ID na lista de modelos do provedor em vez de adivinhar. Confira o ID exato com GET /v1/models antes de fazer o deploy.

Qual modelo Llama escolher?

Tarefa	Modelo	Por quê
Classificação, roteamento, extração curta	Llama 3.1 8B	$0.05 / $0.08 na OpenRouter, rápido
Chat geral e respostas RAG	Llama 3.3 70B	Melhor qualidade por dólar conhecida da linha Llama 3
Documentos muito longos	Llama 4 Scout	Contexto de 1,31M tokens listado na OpenRouter
Entrada de imagem + texto	Llama 4 Maverick	Multimodal nativo, contexto de 524K
Filtragem de segurança	Llama Guard 4 12B	Modelo de moderação, $0.18 / $0.18 na OpenRouter

Uma estimativa mensal rápida: 50.000 respostas RAG no Llama 3.3 70B, cada uma com 3.000 tokens de entrada e 400 de saída, somam 150M de tokens de entrada e 20M de saída. Na OpenRouter isso dá 150 × $0.10 + 20 × $0.32 = $21.40 por mês; na 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")

API hospedada versus Llama auto-hospedado

Auto-hospedar faz sentido quando os dados precisam ficar no seu próprio hardware, quando você precisa de uma variante ajustada (fine-tuned) ou de um volume contínuo muito alto. A Meta publica os pesos no Hugging Face sob a Llama Community License, e engines de inferência como o vLLM expõem um servidor compatível com OpenAI.

Fator	API hospedada	Auto-hospedado
Tempo até a primeira requisição	Minutos	Horas a dias
Custo com volume baixo	Centavos	Custo de GPU ociosa
Custo com volume alto e contínuo	Linear por token	Pode ser menor por token
Controle dos dados	Termos do provedor	Totalmente seu
Trabalho operacional	Nenhum	Escalonamento, atualizações, monitoramento

Regra prática para uma equipe independente: se a sua conta em uma rota hospedada fica abaixo de algumas centenas de dólares por mês, a API hospedada vence no tempo. Um modelo de 70B precisa de muita memória de GPU (cerca de 140 GB só de pesos em precisão de 16 bits, antes do cache KV), então calcule o custo do hardware antes de se comprometer.

Problemas comuns da Llama API e soluções

401 em api.llama.com: sua conta não foi aprovada para a Llama API restrita. Use um host terceiro.
404 model not found: o ID do modelo depende do host. Liste os modelos com GET /v1/models.
Saída cortada: alguns hosts limitam os tokens de saída (a Groq lista 32.768 para o Llama 3.3 70B). Defina max_tokens explicitamente.
429 limite de requisições: planos gratuitos e básicos têm limites rígidos. Adicione novas tentativas com backoff; nosso guia de limites de requisição mostra um padrão.
Respostas diferentes entre hosts: a quantização varia. Fixe um único host para as avaliações.

A Flatkey oferece Llama?

Não. Em 22 de outubro de 2026, o catálogo de modelos da Flatkey não inclui nenhum modelo Llama, então não aponte uma chave da Flatkey para um ID de modelo Llama. Se o que você realmente quer é um modelo de baixo custo atrás de uma chave compatível com OpenAI, a Flatkey lista estas alternativas (por milhão de tokens, 22 de outubro de 2026):

Modelo na Flatkey	Entrada	Saída	Contexto
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

São modelos diferentes do Llama, não substitutos diretos, então teste com seus próprios prompts. Para mais opções, veja nossos guias de LLM APIs gratuitas, alternativas à OpenRouter, a Qwen API e preços da DeepSeek API, ou como uma única chave de API pode chamar vários modelos.

Perguntas frequentes

O que é a Llama API?

É qualquer API HTTP que serve os modelos Llama da Meta. A Llama API restrita da própria Meta usa https://api.llama.com/compat/v1/, enquanto provedores como OpenRouter, Together AI e Groq servem o Llama por seus próprios endpoints compatíveis com OpenAI.

A Llama API é gratuita?

A Meta não oferece uma Llama API gratuita e self-service em outubro de 2026. Alguns hosts rodam variantes gratuitas do Llama com limite de requisições, e os pesos podem ser baixados de graça sob a licença do Llama, mas você paga pelas GPUs para rodá-los.

Quanto custa a Llama API?

Em 22 de outubro de 2026, o Llama 3.3 70B custa $0.10 de entrada e $0.32 de saída por milhão de tokens na OpenRouter e $1.04 / $1.04 na Together AI. O Llama 3.1 8B custa $0.05 / $0.08 na OpenRouter.

Qual a diferença entre Llama e GPT?

Os modelos Llama têm pesos abertos, então você pode baixá-los e rodá-los por conta própria ou escolher entre vários hosts. Os modelos GPT só estão disponíveis pela API da OpenAI ou de seus parceiros. Código escrito para o OpenAI SDK geralmente funciona com um host de Llama trocando a base URL e o ID do modelo.

A Muse API da Meta é a mesma coisa que a Llama API?

Não. A Meta Model API em api.meta.ai/v1 serve os modelos Muse da Meta (como Muse Spark 1.3 e Muse Wonder), que são uma família de modelos separada do Llama.