Llama API: jak korzystać z Llama we własnym kodzie

Krótka odpowiedź

Aby korzystać z Llama we własnym kodzie w 2026 roku, masz dwie praktyczne ścieżki: wywoływać model przez dostawcę chmurowego hostującego modele Llama lub uruchomić model samodzielnie na lokalnym serwerze. Sama Meta nie oferuje już hostowanego API dla Llama. W tym przewodniku wyjaśniamy, co się zmieniło, a następnie pokazujemy działające przykłady z użyciem OpenRouter – usługi dającej jedno API do wielu modeli, w tym Llama 4 Maverick i Scout.

Co się stało z API Llama od Meta

Po premierze Llama 4 Meta udostępniła hostowane API Llama w wersji public preview dla deweloperów. Meta zamknęła tę wersję 6 lipca 2026 roku. Nowsza oferta deweloperska, Meta Model API, obsługuje modele Muse od Meta (takie jak Muse Wonder), a nie Llama. Na oficjalnej stronie pomocy Meta ujęto to wprost: „Llama models aren't run for you through Model API”. Innymi słowy: Llama to teraz coś, co pobierasz i uruchamiasz samodzielnie albo używasz przez zewnętrznych dostawców. Zobacz notatkę Meta o Llama i Model API.

Modele Muse nie są dostępne na naszym czacie, a ich cennik wykracza poza zakres tej strony. Reszta tego przewodnika dotyczy Llama.

Twoje opcje w skrócie

• Router modeli, np. OpenRouter. Jeden klucz API, jeden punkt końcowy w stylu OpenAI, mnóstwo modeli. Świetne rozwiązanie, by przetestować kilka wersji Llama i swobodnie się między nimi przełączać.
• Dostawca chmurowy bezpośrednio hostujący Llama. Wiele firm wyspecjalizowanych w inferencji oraz dużych platform chmurowych oferuje modele Llama. Przed wyborem porównaj ceny, limity zapytań (rate limits) i polityki prywatności danych.
• Własny serwer lub komputer. Uruchom Llama za pomocą LM Studio, Ollama lub llama.cpp i odpytuj model przez lokalne API kompatybilne z OpenAI. Brak opłat za tokeny, pełna kontrola nad danymi. Zobacz, jak uruchomić Llama lokalnie.

Wywoływanie Llama przez OpenRouter

API OpenRouter korzysta z tego samego formatu co API chat completions od OpenAI, więc większość istniejącego kodu i bibliotek działa po zwykłej zmianie adresu bazowego i nazwy modelu. Załóż konto i wygeneruj klucz API w OpenRouter, zapisz go w zmiennej środowiskowej o nazwie OPENROUTER_API_KEY i nigdy nie umieszczaj go w kodzie po stronie klienta. Szczegółowe kroki znajdziesz w dokumencie OpenRouter quickstart.

curl

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -d '{
    "model": "meta-llama/llama-4-maverick",
    "messages": [
      {"role": "user", "content": "Napisz haiku o modelach z otwartymi wagami."}
    ]
  }'

Python (z biblioteką OpenAI)

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=os.environ["OPENROUTER_API_KEY"],
)

response = client.chat.completions.create(
    model="meta-llama/llama-4-scout",
    messages=[{"role": "user", "content": "Podsumuj licencję Llama w trzech punktach."}],
)
print(response.choices[0].message.content)

JavaScript (z fetch)

const res = await fetch("https://openrouter.ai/api/v1/chat/completions", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    "Authorization": `Bearer ${process.env.OPENROUTER_API_KEY}`,
  },
  body: JSON.stringify({
    model: "meta-llama/llama-3.3-70b-instruct",
    messages: [{ role: "user", content: "Podaj trzy propozycje nazw dla piekarni." }],
  }),
});
const data = await res.json();
console.log(data.choices[0].message.content);

Taki kod JavaScript uruchamiaj na serwerze, a nie na stronie WWW, aby klucz pozostał prywatny. Dostępny jest także streaming, jeśli chcesz, aby odpowiedź pojawiała się słowo po słowie.

Wysyłanie obrazu do Llama 4

Llama 4 Maverick i Scout obsługują obrazy. W formacie znanym z OpenAI zawartość wiadomości staje się listą zawierającą część tekstową oraz część z obrazem:

{
  "model": "meta-llama/llama-4-maverick",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "Co znajduje się na tym zdjęciu?"},
      {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
    ]
  }]
}

Llama 3.3 70B i Llama 3.1 8B obsługują wyłącznie tekst – obrazy przesyłaj więc do któregoś z modeli Llama 4.

Nazwy modeli Llama i cennik

Oto modele Llama dostępne w OpenRouter wraz z ich nazwami w API, oknami kontekstu i cenami za milion tokenów. Wszystkie ceny pochodzą z oficjalnego cennika OpenRouter z października 2026 r.; mogą ulec zmianie, więc sprawdź je przed planowaniem budżetu.

Pamiętaj, że podane tu okna kontekstu to wartości oferowane przez dostawców w OpenRouter – mogą być mniejsze niż w oficjalnej dokumentacji Meta. Meta podaje 10 milionów tokenów dla Scout i 1 milion dla Maverick.

Używanie lokalnego modelu Llama jako API

Jeśli uruchamiasz Llama samodzielnie, możesz skierować ten sam kod na własną maszynę. Serwer LM Studio korzysta z adresu bazowego http://localhost:1234/v1, a polecenie llama serve w llama.cpp również uruchamia serwer kompatybilny z OpenAI; zobacz dokumentację serwera LM Studio oraz README projektu llama.cpp. Ollama ma własne API pod adresem http://localhost:11434/api/chat. Zamiast identyfikatora z OpenRouter użyj nazwy modelu wyświetlanej przez Twoje lokalne narzędzie.

Wskazówki dotyczące tworzenia aplikacji z Llama

• Zacznij od modeli Maverick lub Scout przy zadaniach ogólnych i pracy z obrazami, a Llama 3.1 8B wypróbuj tam, gdzie szybkość i niski koszt liczą się bardziej niż głębia odpowiedzi.
• Ustaw prompt systemowy określający rolę, ton i pożądany format odpowiedzi.
• Dodaj warstwę bezpieczeństwa w aplikacjach publicznych. Llama Guard 4 potrafi klasyfikować prompty oraz generowane odpowiedzi.
• Przestrzegaj warunków licencji. Produkty oparte na Llama muszą zawierać oznaczenie "Built with Llama" oraz być zgodne z zasadami dopuszczalnego użytkowania Meta. Przeczytaj nasz przewodnik po licencji.
• Pamiętaj o dacie odcięcia wiedzy (knowledge cutoff). Llama 4 zna wydarzenia do sierpnia 2024 roku; w razie potrzeby dostarcz modelowi aktualne fakty bezpośrednio w prompcie.

Częste problemy

• Błędy autoryzacji zazwyczaj oznaczają brak klucza, literówkę w nim lub niezaimportowanie go do środowiska, w którym działa kod.
• „Model not found” to najczęściej literówka w nazwie modelu. Skopiuj ją dokładnie z tabeli powyżej, łącznie z prefiksem meta-llama/.
• Zignorowany lub odrzucony obraz pojawia się po przesłaniu pliku graficznego do modelu obsługującego wyłącznie tekst. Przełącz się na Maverick lub Scout.
• Ucięte odpowiedzi oznaczają osiągnięcie limitu tokenów wyjściowych. Poproś o krótszą odpowiedź lub zwiększ parametr maksymalnej liczby tokenów.

Często zadawane pytania (FAQ)

Czy Meta nadal oferuje API dla Llama?

Nie. Meta zamknęła public preview swojego hostowanego API Llama 6 lipca 2026 roku. Meta Model API obsługuje wyłącznie modele Muse, a nie Llama.

Czy istnieje darmowe API Llama?

Uruchomienie Llama lokalnie nie generuje żadnych kosztów za tokeny. Hostowane API pobierają opłaty za tokeny, choć małe modele (np. Llama 3.1 8B) są bardzo tanie.

Czy Llama.Online udostępnia API?

Nie. Llama.Online to wyłącznie czat w przeglądarce. Do integracji w kodzie skorzystaj z zewnętrznego dostawcy chmurowego lub lokalnego serwera.

Czy mogę używać SDK OpenAI z modelami Llama?

Tak. Wystarczy wskazać w SDK punkt końcowy kompatybilny z OpenAI (taki jak OpenRouter czy lokalny serwer LM Studio) i podać odpowiednią nazwę modelu Llama.