Hướng dẫn mô hình và phương thức22 tháng 10, 2026Flatkey Team

Llama API (2026): Nơi vẫn gọi được Llama, giá và cách thiết lập

Chuyện gì đã xảy ra với Llama API chính thức của Meta, nhà cung cấp nào vẫn phục vụ Llama 3.3 và Llama 4 vào tháng 10/2026, giá của họ, mã OpenAI SDK sẵn để sao chép và đánh đổi khi tự lưu trữ.

Llama API (2026): Nơi vẫn gọi được Llama, giá và cách thiết lập

Vào tháng 10/2026, Meta không có Llama API tự phục vụ, trả theo mức dùng: trang dành cho lập trình viên của Meta, nay ở dev.meta.ai, bán các mô hình Muse qua Meta Model API, còn trang "Llama API chính thức" trên Groq yêu cầu bạn đăng ký truy cập sớm. Nếu cần gọi Llama ngay hôm nay, hãy dùng một nhà cung cấp lưu trữ sẵn. OpenRouter niêm yết Llama 3.3 70B Instruct ở mức $0.10 đầu vào và $0.32 đầu ra cho mỗi triệu token, Together AI cung cấp với giá $1.04 / $1.04, còn Groq liệt kê Llama là mô hình Enterprise cần liên hệ bộ phận bán hàng. Bạn cũng có thể tải trọng số về và tự lưu trữ.

Hướng dẫn này dành cho lập trình viên độc lập muốn có một endpoint Llama hoạt động ngay trong tuần này. Bài viết trình bày những gì đã thay đổi ở Meta, nhà cung cấp nào vẫn phục vụ mô hình Llama nào và với giá bao nhiêu, mã OpenAI SDK sẵn để sao chép, cách chọn giữa dịch vụ lưu trữ và tự lưu trữ, và nên dùng gì nếu bạn chỉ muốn một mô hình mở giá rẻ sau một khóa duy nhất. Mọi mức giá dưới đây được kiểm tra ngày 22/10/2026.

Chuyện gì đã xảy ra với Llama API chính thức của Meta?

Năm 2025, Meta công bố Llama API cho lập trình viên với endpoint tương thích OpenAI tại https://api.llama.com/compat/v1/. Tính đến ngày 22/10/2026, có ba điều đúng:

llama.developer.meta.com và llama.com hiện chuyển hướng đến dev.meta.ai. Tiêu đề trang là "Your next build starts with Muse", và menu mô hình liệt kê Muse Wonder, Muse Spark 1.3, Muse Spark Open, Muse Glimmer, Muse Image, Muse Voice Transcribe và SAM 3.1. Llama chỉ xuất hiện dưới dạng liên kết đến tài liệu Llama và GitHub của Llama.
Meta Model API phục vụ Muse, không phải Llama. Tài liệu của nó đưa ra base URL https://api.meta.ai/v1 và cung cấp các giao diện kiểu Responses, Chat Completions và Messages cho các mô hình Muse.
"Llama API chính thức" được Groq tăng tốc đang giới hạn truy cập. Trang Llama API của Groq vẫn hiển thị base URL api.llama.com/compat/v1/ và ghi "Request Early Access and start building!". Request không xác thực đến endpoint đó trả về HTTP 401, nên bạn cần một khóa đã được duyệt.

Vì vậy, nếu một hướng dẫn bảo bạn "đăng ký Meta Llama API và lấy khóa", hãy chuẩn bị vào danh sách chờ. Con đường thực tế là dùng nhà cung cấp bên thứ ba.

Nơi gọi Llama vào tháng 10/2026 (so sánh giá)

Giá tính bằng USD cho mỗi triệu token, kiểm tra ngày 22/10/2026.

Nhà cung cấp	Mô hình Llama	Đầu vào	Đầu ra	Ngữ cảnh	Ghi chú
OpenRouter	Llama 3.3 70B Instruct	$0.10	$0.32	131,072	Định tuyến đến host khả dụng rẻ nhất
OpenRouter	Llama 4 Maverick	$0.1875	$0.6525	524,288	Đầu vào đa phương thức
OpenRouter	Llama 4 Scout	$0.10	$0.30	1,310,720	Ngữ cảnh dài nhất được niêm yết
OpenRouter	Llama 3.1 8B Instruct	$0.05	$0.08	131,072	Llama đa dụng rẻ nhất
Together AI	Llama 3.3 70B	$1.04	$1.04	n/a	Serverless, một mức giá chung
Together AI	Llama 3 8B Instruct Lite	$0.14	$0.14	n/a	Serverless
Groq	`llama-3.3-70b-versatile`	Liên hệ bán hàng	Liên hệ bán hàng	131,072	Gắn nhãn Enterprise; niêm yết khoảng 280 token/giây
Groq	`llama-3.1-8b-instant`	Liên hệ bán hàng	Liên hệ bán hàng	131,072	Gắn nhãn Enterprise; niêm yết khoảng 560 token/giây
Tự lưu trữ (trọng số trên Hugging Face)	Bất kỳ Llama nào	Chi phí GPU	Chi phí GPU	Giới hạn của mô hình	Cần chấp nhận giấy phép Llama

Nguồn: API mô hình công khai của OpenRouter, trang giá của Together AI và trang mô hình của Groq, tất cả kiểm tra ngày 22/10/2026. Giá OpenRouter là tuyến rẻ nhất được niêm yết và có thể thay đổi khi các host điều chỉnh giá.

Vì sao cùng một mô hình lại đắt gấp 10 lần ở một host

Llama 3.3 70B có giá $0.32 cho mỗi triệu token đầu ra trên OpenRouter và $1.04 trên Together. Trọng số giống hệt nhau; khác biệt nằm ở lượng tử hóa (FP8 hay độ chính xác cao hơn), thông lượng được bảo đảm, giới hạn tốc độ và việc host có chạy mô hình ở quy mô lớn hay không. Khi so sánh, hãy kiểm tra ba điều trên trang mô hình của nhà cung cấp: độ chính xác được phục vụ, số token đầu ra tối đa và có giữ trọn ngữ cảnh 128K hay không.

Cách gọi Llama bằng OpenAI SDK

Tất cả các host trên đều cung cấp endpoint Chat Completions tương thích OpenAI, nên cùng một đoạn mã chạy được chỉ bằng cách đổi base URL và ID mô hình.

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, nếu tài khoản của bạn có quyền truy cập 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 mô hình khác nhau theo host (ví dụ meta-llama/llama-3.3-70b-instruct trên OpenRouter so với meta-llama/Llama-3.3-70B-Instruct-Turbo trên Together), vì vậy hãy đọc ID từ danh sách mô hình của nhà cung cấp thay vì đoán. Kiểm tra ID chính xác bằng GET /v1/models trước khi triển khai.

Nên chọn mô hình Llama nào?

Công việc	Mô hình	Lý do
Phân loại, định tuyến, trích xuất ngắn	Llama 3.1 8B	$0.05 / $0.08 trên OpenRouter, nhanh
Chat chung và câu trả lời RAG	Llama 3.3 70B	Chất lượng trên mỗi đô la tốt nhất được biết đến trong dòng Llama 3
Tài liệu rất dài	Llama 4 Scout	Ngữ cảnh 1,31M token niêm yết trên OpenRouter
Đầu vào hình ảnh + văn bản	Llama 4 Maverick	Đa phương thức gốc, ngữ cảnh 524K
Lọc an toàn	Llama Guard 4 12B	Mô hình kiểm duyệt, $0.18 / $0.18 trên OpenRouter

Ước tính nhanh theo tháng: 50.000 câu trả lời RAG trên Llama 3.3 70B, mỗi câu 3.000 token đầu vào và 400 token đầu ra, tổng cộng 150M token đầu vào và 20M token đầu ra. Trên OpenRouter là 150 × $0.10 + 20 × $0.32 = $21.40 mỗi tháng; trên Together là 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 lưu trữ sẵn so với tự lưu trữ Llama

Tự lưu trữ hợp lý khi bạn cần dữ liệu nằm trên phần cứng của mình, cần một biến thể đã tinh chỉnh hoặc có khối lượng liên tục rất cao. Meta phát hành trọng số trên Hugging Face theo Llama Community License, và các engine suy luận như vLLM cung cấp máy chủ tương thích OpenAI.

Yếu tố	API lưu trữ sẵn	Tự lưu trữ
Thời gian đến request đầu tiên	Vài phút	Vài giờ đến vài ngày
Chi phí khi dùng ít	Vài xu	Chi phí GPU nhàn rỗi
Chi phí khi dùng nhiều liên tục	Tuyến tính theo token	Có thể thấp hơn theo token
Kiểm soát dữ liệu	Theo điều khoản nhà cung cấp	Hoàn toàn của bạn
Công việc vận hành	Không có	Mở rộng, nâng cấp, giám sát

Quy tắc kinh nghiệm cho nhóm độc lập: nếu hóa đơn trên tuyến lưu trữ sẵn dưới vài trăm đô la mỗi tháng, API lưu trữ sẵn thắng về thời gian. Mô hình 70B cần nhiều bộ nhớ GPU (khoảng 140 GB chỉ riêng trọng số ở độ chính xác 16-bit, chưa tính KV cache), nên hãy tính giá phần cứng trước khi cam kết.

Lỗi thường gặp với Llama API và cách khắc phục

401 từ api.llama.com: tài khoản của bạn chưa được duyệt cho Llama API giới hạn. Hãy dùng host bên thứ ba.
404 model not found: ID mô hình phụ thuộc vào host. Liệt kê mô hình bằng GET /v1/models.
Đầu ra bị cắt ngắn: một số host giới hạn số token đầu ra tối đa (Groq niêm yết 32.768 cho Llama 3.3 70B). Hãy đặt max_tokens rõ ràng.
429 giới hạn tốc độ: gói miễn phí và gói thấp có giới hạn request chặt. Thêm cơ chế thử lại với backoff; hướng dẫn giới hạn tốc độ của chúng tôi có một mẫu triển khai.
Câu trả lời khác nhau giữa các host: lượng tử hóa khác nhau. Cố định một host cho các lần đánh giá.

Flatkey có cung cấp Llama không?

Không. Tính đến ngày 22/10/2026, danh mục mô hình Flatkey không có mô hình Llama nào, nên đừng dùng khóa Flatkey với ID mô hình Llama. Nếu điều bạn thực sự cần là một mô hình chi phí thấp sau một khóa tương thích OpenAI, Flatkey niêm yết các lựa chọn thay thế sau (mỗi triệu token, ngày 22/10/2026):

Mô hình trên Flatkey	Đầu vào	Đầu ra	Ngữ cảnh
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

Đây là các mô hình khác với Llama, không phải bản thay thế trực tiếp, nên hãy thử trên prompt của chính bạn. Để có thêm lựa chọn, xem các hướng dẫn của chúng tôi về LLM API miễn phí, các lựa chọn thay thế OpenRouter, Qwen API và giá DeepSeek API, hoặc cách một khóa API gọi được nhiều mô hình.

FAQ

Llama API là gì?

Là bất kỳ API HTTP nào phục vụ các mô hình Llama của Meta. Llama API giới hạn của chính Meta dùng https://api.llama.com/compat/v1/, trong khi các nhà cung cấp như OpenRouter, Together AI và Groq phục vụ Llama qua endpoint tương thích OpenAI của riêng họ.

Llama API có miễn phí không?

Meta không cung cấp Llama API miễn phí tự phục vụ vào tháng 10/2026. Một số host chạy các biến thể Llama miễn phí có giới hạn tốc độ, và bản thân trọng số được tải miễn phí theo giấy phép Llama, nhưng bạn phải trả tiền GPU để chạy chúng.

Llama API giá bao nhiêu?

Ngày 22/10/2026, Llama 3.3 70B có giá $0.10 đầu vào và $0.32 đầu ra cho mỗi triệu token trên OpenRouter, và $1.04 / $1.04 trên Together AI. Llama 3.1 8B là $0.05 / $0.08 trên OpenRouter.

Llama khác GPT như thế nào?

Các mô hình Llama có trọng số mở, nên bạn có thể tải về và tự chạy hoặc chọn trong nhiều host. Mô hình GPT chỉ có qua API của OpenAI hoặc các đối tác. Mã viết cho OpenAI SDK thường chạy được với host Llama bằng cách đổi base URL và ID mô hình.

Muse API của Meta có giống Llama API không?

Không. Meta Model API tại api.meta.ai/v1 phục vụ các mô hình Muse của Meta (như Muse Spark 1.3 và Muse Wonder), là một dòng mô hình riêng, khác với Llama.