模型与多模态实用指南2026年10月22日Flatkey Team

Llama API（2026）：现在还能在哪里调用 Llama、价格与接入方法

Meta 官方 Llama API 发生了什么，2026 年 10 月哪些提供商仍在提供 Llama 3.3 和 Llama 4、各自价格、可直接复制的 OpenAI SDK 代码，以及自托管的取舍。

Llama API（2026）：现在还能在哪里调用 Llama、价格与接入方法

截至 2026 年 10 月，Meta 已没有自助式、按量付费的 Llama API：Meta 开发者网站现已迁至 dev.meta.ai，通过 Meta Model API 销售 Muse 系列模型，而 Groq 上的“官方 Llama API”页面要求你申请早期访问。如果你今天就需要调用 Llama，请使用托管提供商。OpenRouter 上 Llama 3.3 70B Instruct 的价格为每百万 token 输入 $0.10、输出 $0.32，Together AI 为 $1.04 / $1.04，Groq 则将 Llama 列为需联系销售的 Enterprise 模型。你也可以下载权重自行部署。

本指南面向希望本周就拿到可用 Llama 端点的独立开发者。内容包括 Meta 发生了哪些变化、哪些提供商仍在提供哪些 Llama 模型及价格、可直接复制的 OpenAI SDK 代码、托管与自托管如何选择，以及如果你只想用一个 key 调用便宜的开源模型该怎么做。下文所有价格均于 2026 年 10 月 22 日核实。

Meta 官方 Llama API 怎么了？

Meta 在 2025 年发布了面向开发者的 Llama API，提供兼容 OpenAI 的端点 https://api.llama.com/compat/v1/。截至 2026 年 10 月 22 日，有三点可以确认：

llama.developer.meta.com 和 llama.com 现在都重定向到 dev.meta.ai。 网站标题是“Your next build starts with Muse”，模型菜单列出 Muse Wonder、Muse Spark 1.3、Muse Spark Open、Muse Glimmer、Muse Image、Muse Voice Transcribe 和 SAM 3.1。Llama 只以 Llama 文档和 Llama GitHub 链接的形式出现。
Meta Model API 提供的是 Muse，而不是 Llama。 其文档给出的 base URL 是 https://api.meta.ai/v1，为 Muse 模型提供 Responses、Chat Completions 和 Messages 风格的接口。
由 Groq 加速的“官方 Llama API”需要审批。 Groq 的 Llama API 落地页仍显示 api.llama.com/compat/v1/ 这个 base URL，并写着“Request Early Access and start building!”。未认证请求该端点会返回 HTTP 401，因此你需要一个已获批准的 key。

所以，如果某篇教程让你“注册 Meta Llama API 并拿一个 key”，你很可能会进入候补名单。实际可行的路径是使用第三方托管平台。

2026 年 10 月可以在哪里调用 Llama（价格对比）

价格为每百万 token 的美元价格，核实于 2026 年 10 月 22 日。

提供商	Llama 模型	输入	输出	上下文	说明
OpenRouter	Llama 3.3 70B Instruct	$0.10	$0.32	131,072	路由到当前最便宜的可用托管方
OpenRouter	Llama 4 Maverick	$0.1875	$0.6525	524,288	支持多模态输入
OpenRouter	Llama 4 Scout	$0.10	$0.30	1,310,720	列出的上下文最长
OpenRouter	Llama 3.1 8B Instruct	$0.05	$0.08	131,072	最便宜的通用 Llama
Together AI	Llama 3.3 70B	$1.04	$1.04	n/a	Serverless，单一综合价格
Together AI	Llama 3 8B Instruct Lite	$0.14	$0.14	n/a	Serverless
Groq	`llama-3.3-70b-versatile`	联系销售	联系销售	131,072	标注为 Enterprise；列出速度约 280 tokens/s
Groq	`llama-3.1-8b-instant`	联系销售	联系销售	131,072	标注为 Enterprise；列出速度约 560 tokens/s
自托管（Hugging Face 权重）	任意 Llama	GPU 成本	GPU 成本	模型上限	需接受 Llama 许可协议

来源：OpenRouter 公开的 models API、Together AI 的价格页和 Groq 的模型页，均核实于 2026 年 10 月 22 日。OpenRouter 价格为列出的最低路由价，会随托管方调价而变化。

为什么同一个模型在不同平台价格相差 10 倍

Llama 3.3 70B 在 OpenRouter 上每百万输出 token 为 $0.32，在 Together 上为 $1.04。权重完全相同，差异在于量化方式（FP8 还是更高精度）、保证吞吐、速率限制，以及托管方是否大规模运行该模型。对比时，请在提供商的模型页上检查三件事：提供的精度、最大输出 token 数，以及是否保留完整的 128K 上下文。

如何用 OpenAI SDK 调用 Llama

上面所有托管方都提供兼容 OpenAI 的 Chat Completions 端点，因此同一套代码只需更换 base URL 和模型 ID 即可使用。

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，前提是你的账号有 Llama 访问权限）：

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);

模型 ID 因平台而异（例如 OpenRouter 上是 meta-llama/llama-3.3-70b-instruct，Together 上是 meta-llama/Llama-3.3-70B-Instruct-Turbo），所以请从提供商的模型列表读取 ID，不要猜。部署前用 GET /v1/models 确认准确的 ID。

应该选哪个 Llama 模型？

任务	模型	原因
分类、路由、短文本抽取	Llama 3.1 8B	OpenRouter 上 $0.05 / $0.08，速度快
通用对话与 RAG 回答	Llama 3.3 70B	Llama 3 系列中公认性价比最好的质量
超长文档	Llama 4 Scout	OpenRouter 上列出 1.31M token 上下文
图像 + 文本输入	Llama 4 Maverick	原生多模态，524K 上下文
安全过滤	Llama Guard 4 12B	审核模型，OpenRouter 上 $0.18 / $0.18

快速估算月度成本：在 Llama 3.3 70B 上处理 50,000 次 RAG 回答，每次 3,000 输入 token、400 输出 token，共 1.5 亿输入和 2,000 万输出 token。在 OpenRouter 上为 150 × $0.10 + 20 × $0.32 = 每月 $21.40；在 Together 上为 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")

托管 API 与自托管 Llama 对比

当你需要数据留在自己的硬件上、使用微调版本或有非常高的持续调用量时，自托管才有意义。Meta 在 Hugging Face 上以 Llama Community License 发布权重，vLLM 等推理引擎可以提供兼容 OpenAI 的服务端。

因素	托管 API	自托管
首次请求所需时间	几分钟	几小时到几天
低用量成本	几美分	GPU 闲置成本
高持续用量成本	按 token 线性增长	单 token 成本可能更低
数据控制	遵循提供商条款	完全自主
运维工作	无	扩缩容、升级、监控

给独立团队的经验法则：如果托管路由的账单每月不到几百美元，托管 API 在时间上更划算。70B 模型需要大量 GPU 显存（16 位精度下仅权重就约 140 GB，还不含 KV 缓存），所以投入前先算好硬件成本。

常见 Llama API 问题与解决方法

api.llama.com 返回 401： 你的账号尚未获批使用受限的 Llama API。请改用第三方托管平台。
404 model not found： 模型 ID 因平台而异。用 GET /v1/models 列出模型。
输出被截断： 部分平台限制了最大输出 token 数（Groq 为 Llama 3.3 70B 列出 32,768）。请显式设置 max_tokens。
429 速率限制： 免费和低等级套餐的请求限制很严。加入带退避的重试；我们的速率限制指南给出了一种实现模式。
不同平台回答不一致： 量化方式不同。评测时固定使用一个平台。

Flatkey 提供 Llama 吗？

不提供。截至 2026 年 10 月 22 日，Flatkey 模型目录中没有任何 Llama 模型，所以不要用 Flatkey 的 key 调用 Llama 模型 ID。如果你真正想要的是在兼容 OpenAI 的 key 后面使用低成本模型，Flatkey 列出了以下替代选择（每百万 token，2026 年 10 月 22 日）：

Flatkey 上的模型	输入	输出	上下文
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

这些是与 Llama 不同的模型，不能直接替换，请用你自己的提示词测试。更多选择请参阅我们的指南：免费 LLM API、OpenRouter 替代方案、Qwen API、DeepSeek API 价格，以及一个 API key 如何调用多个模型。

常见问题

什么是 Llama API？

指任何提供 Meta Llama 模型的 HTTP API。Meta 自己的受限 Llama API 使用 https://api.llama.com/compat/v1/，而 OpenRouter、Together AI 和 Groq 等提供商通过各自兼容 OpenAI 的端点提供 Llama。