Llama API (2026): где ещё можно вызвать Llama, цены и настройка
В октябре 2026 года у Meta нет самостоятельной Llama API с оплатой по факту использования: сайт Meta для разработчиков, теперь расположенный на dev.meta.ai, продаёт модели Muse через Meta Model API, а страница «официальной Llama API» у Groq предлагает запросить ранний доступ. Если вам нужно вызвать Llama сегодня, используйте хостинг-провайдера. OpenRouter указывает для Llama 3.3 70B Instruct $0.10 за ввод и $0.32 за вывод на миллион токенов, Together AI предлагает её за $1.04 / $1.04, а Groq относит Llama к моделям Enterprise с обращением в отдел продаж. Также можно скачать веса и развернуть модель самостоятельно.
Это руководство для независимых разработчиков, которым нужен рабочий endpoint Llama уже на этой неделе. В нём: что изменилось у Meta, какие провайдеры обслуживают какие модели Llama и по какой цене, готовый код для OpenAI SDK, как выбрать между хостингом и собственным развёртыванием и что использовать, если нужна просто дешёвая открытая модель за одним ключом. Все цены ниже проверены 22 октября 2026 года.
Что случилось с официальной Llama API от Meta?
В 2025 году Meta анонсировала Llama API для разработчиков с OpenAI-совместимым endpoint https://api.llama.com/compat/v1/. На 22 октября 2026 года верны три утверждения:
- llama.developer.meta.com и llama.com теперь перенаправляют на dev.meta.ai. Заголовок сайта — «Your next build starts with Muse», а в меню моделей перечислены Muse Wonder, Muse Spark 1.3, Muse Spark Open, Muse Glimmer, Muse Image, Muse Voice Transcribe и SAM 3.1. Llama встречается только в виде ссылок на документацию Llama и GitHub Llama.
- Meta Model API обслуживает Muse, а не Llama. В её документации указан base URL
https://api.meta.ai/v1и интерфейсы в стиле Responses, Chat Completions и Messages для моделей Muse. - «Официальная Llama API» с ускорением Groq доступна только по заявке. Страница Llama API у Groq по-прежнему показывает base URL
api.llama.com/compat/v1/и надпись «Request Early Access and start building!». Неаутентифицированный запрос к этому endpoint возвращает HTTP 401, поэтому нужен одобренный ключ.
Так что если туториал советует «зарегистрироваться в Meta Llama API и получить ключ», готовьтесь к листу ожидания. Практичный путь — сторонний хостинг.
Где вызвать Llama в октябре 2026 года (сравнение цен)
Цены в долларах США за миллион токенов, проверены 22 октября 2026 года.
| Провайдер | Модель Llama | Ввод | Вывод | Контекст | Примечания |
|---|---|---|---|---|---|
| OpenRouter | Llama 3.3 70B Instruct | $0.10 | $0.32 | 131,072 | Направляет запрос к самому дешёвому доступному хосту |
| OpenRouter | Llama 4 Maverick | $0.1875 | $0.6525 | 524,288 | Мультимодальный ввод |
| OpenRouter | Llama 4 Scout | $0.10 | $0.30 | 1,310,720 | Самый длинный указанный контекст |
| OpenRouter | Llama 3.1 8B Instruct | $0.05 | $0.08 | 131,072 | Самая дешёвая универсальная Llama |
| Together AI | Llama 3.3 70B | $1.04 | $1.04 | n/a | Serverless, единая цена |
| Together AI | Llama 3 8B Instruct Lite | $0.14 | $0.14 | n/a | Serverless |
| Groq | llama-3.3-70b-versatile |
По запросу | По запросу | 131,072 | Помечена как Enterprise; указано около 280 токенов/с |
| Groq | llama-3.1-8b-instant |
По запросу | По запросу | 131,072 | Помечена как Enterprise; указано около 560 токенов/с |
| Собственный хостинг (веса на Hugging Face) | Любая Llama | Стоимость GPU | Стоимость GPU | Лимит модели | Требуется принять лицензию Llama |
Источники: публичный API моделей OpenRouter, страница цен Together AI и страница моделей Groq, всё проверено 22 октября 2026 года. Цены OpenRouter — это самый дешёвый указанный маршрут, и они могут меняться вместе с тарифами хостов.
Почему одна и та же модель у одного хоста стоит в 10 раз дороже
Llama 3.3 70B стоит $0.32 за миллион выходных токенов на OpenRouter и $1.04 у Together. Веса идентичны; различаются квантизация (FP8 или более высокая точность), гарантированная пропускная способность, лимиты запросов и то, насколько масштабно хост запускает модель. При сравнении проверьте на странице модели у провайдера три вещи: обслуживаемую точность, максимум выходных токенов и сохраняется ли полный контекст 128K.
Как вызвать Llama через OpenAI SDK
Все перечисленные хосты предоставляют OpenAI-совместимый endpoint Chat Completions, поэтому один и тот же код работает при смене base URL и ID модели.
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, если у вашего аккаунта есть доступ к 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);
ID моделей различаются у разных хостов (например, meta-llama/llama-3.3-70b-instruct на OpenRouter и meta-llama/Llama-3.3-70B-Instruct-Turbo у Together), поэтому берите ID из списка моделей провайдера, а не угадывайте. Перед деплоем проверьте точный ID через GET /v1/models.
Какую модель Llama выбрать?
| Задача | Модель | Почему |
|---|---|---|
| Классификация, маршрутизация, короткое извлечение | Llama 3.1 8B | $0.05 / $0.08 на OpenRouter, быстро |
| Общий чат и ответы RAG | Llama 3.3 70B | Лучшее известное качество за доллар в линейке Llama 3 |
| Очень длинные документы | Llama 4 Scout | На OpenRouter указан контекст 1,31M токенов |
| Ввод изображений и текста | Llama 4 Maverick | Нативно мультимодальная, контекст 524K |
| Фильтрация безопасности | Llama Guard 4 12B | Модель модерации, $0.18 / $0.18 на OpenRouter |
Быстрая месячная оценка: 50 000 ответов RAG на Llama 3.3 70B, каждый по 3 000 входных и 400 выходных токенов, дают 150M входных и 20M выходных токенов. На OpenRouter это 150 × $0.10 + 20 × $0.32 = $21.40 в месяц; у 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 на хостинге или собственное развёртывание Llama
Собственное развёртывание имеет смысл, когда данные должны оставаться на вашем оборудовании, нужна дообученная версия или очень высокий постоянный объём. Meta публикует веса на Hugging Face под Llama Community License, а движки инференса вроде vLLM предоставляют OpenAI-совместимый сервер.
| Фактор | API на хостинге | Собственный хостинг |
|---|---|---|
| Время до первого запроса | Минуты | От часов до дней |
| Стоимость при малом объёме | Центы | Стоимость простаивающих GPU |
| Стоимость при высоком постоянном объёме | Линейно за токен | Может быть ниже за токен |
| Контроль над данными | Условия провайдера | Полностью ваш |
| Операционная работа | Нет | Масштабирование, обновления, мониторинг |
Практическое правило для небольшой команды: если счёт за хостинговый маршрут меньше нескольких сотен долларов в месяц, API на хостинге выигрывает по времени. Модели 70B нужно много видеопамяти (около 140 ГБ только на веса при 16-битной точности, без учёта KV-кэша), поэтому оцените стоимость оборудования заранее.
Частые проблемы с Llama API и их решения
- 401 от api.llama.com: ваш аккаунт не одобрен для закрытой Llama API. Используйте сторонний хостинг.
- 404 model not found: ID модели зависит от хоста. Получите список моделей через
GET /v1/models. - Ответ обрывается: некоторые хосты ограничивают число выходных токенов (Groq указывает 32 768 для Llama 3.3 70B). Явно задайте
max_tokens. - 429 лимит запросов: у бесплатных и младших тарифов жёсткие лимиты. Добавьте повторы с backoff; в нашем руководстве по лимитам запросов есть готовый шаблон.
- Разные ответы у разных хостов: различается квантизация. Для оценок закрепите один хост.
Есть ли Llama во Flatkey?
Нет. На 22 октября 2026 года в каталоге моделей Flatkey нет ни одной модели Llama, поэтому не используйте ключ Flatkey с ID модели Llama. Если вам на самом деле нужна недорогая модель за OpenAI-совместимым ключом, Flatkey предлагает такие альтернативы (за миллион токенов, 22 октября 2026 года):
| Модель во Flatkey | Ввод | Вывод | Контекст |
|---|---|---|---|
| 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 |
Это другие модели, а не прямая замена Llama, поэтому протестируйте их на своих промптах. Больше вариантов — в наших руководствах по бесплатным LLM API, альтернативам OpenRouter, Qwen API и ценам DeepSeek API, а также о том, как один API-ключ может вызывать несколько моделей.
Частые вопросы
Что такое Llama API?
Это любой HTTP API, который обслуживает модели Llama от Meta. Закрытая Llama API от самой Meta использует https://api.llama.com/compat/v1/, а провайдеры вроде OpenRouter, Together AI и Groq предоставляют Llama через собственные OpenAI-совместимые endpoint.
Llama API бесплатна?
В октябре 2026 года Meta не предлагает бесплатную самостоятельную Llama API. Некоторые хосты запускают бесплатные версии Llama с лимитами, а веса можно бесплатно скачать по лицензии Llama, но за GPU для их запуска придётся платить.
Сколько стоит Llama API?
На 22 октября 2026 года Llama 3.3 70B стоит $0.10 за ввод и $0.32 за вывод на миллион токенов на OpenRouter и $1.04 / $1.04 у Together AI. Llama 3.1 8B стоит $0.05 / $0.08 на OpenRouter.
Чем Llama отличается от GPT?
Модели Llama имеют открытые веса, поэтому их можно скачать и запустить самостоятельно или выбрать одного из многих хостов. Модели GPT доступны только через API OpenAI или её партнёров. Код, написанный для OpenAI SDK, обычно работает с хостом Llama после смены base URL и ID модели.
Muse API от Meta — это то же самое, что Llama API?
Нет. Meta Model API на api.meta.ai/v1 обслуживает модели Muse от Meta (например, Muse Spark 1.3 и Muse Wonder), а это отдельное семейство моделей, не Llama.
Можно ли использовать Llama через Flatkey?
Нет. Во Flatkey нет моделей Llama. Сервис предлагает другие модели, например Qwen, DeepSeek, Kimi, Claude, GPT и Gemini, за одним ключом.
Источники
- Meta: dev.meta.ai, документация Meta Model API, Llama на Hugging Face
- Groq: страница Llama API, модели
- Цены Together AI, API моделей OpenRouter, документация vLLM, всё проверено 22 октября 2026 года
