Llama API: como usar o Llama no seu código

A resposta rápida

Para usar o Llama no seu próprio código em 2026, você tem dois caminhos práticos: fazer chamadas por meio de um provedor em nuvem que hospeda modelos Llama ou rodar o modelo você mesmo usando um servidor local. A própria Meta não oferece mais uma API hospedada para o Llama. Este guia explica o que mudou e traz exemplos funcionais usando o OpenRouter, um serviço que fornece uma única API para vários modelos, incluindo o Llama 4 Maverick e o Scout.

O que aconteceu com a API do Llama da Meta

Após o lançamento do Llama 4, a Meta disponibilizou uma prévia pública de uma API hospedada do Llama para desenvolvedores. A Meta encerrou essa prévia em 6 de julho de 2026. O serviço mais recente da Meta para desenvolvedores, a Meta Model API, disponibiliza os modelos Muse da Meta, como o Muse Wonder, e não o Llama. A própria página de ajuda da Meta explica claramente: "Os modelos Llama não são executados para você por meio da Model API." Em outras palavras, o Llama agora é algo que você baixa e executa por conta própria, ou consome por meio de outros provedores. Veja a nota da Meta sobre o Llama e a Model API.

Os modelos Muse não estão disponíveis em nosso chat, e os preços deles fogem ao escopo desta página. O restante deste guia é focado no Llama.

Suas opções em resumo

• Um roteador de modelos como o OpenRouter. Uma única chave de API, um endpoint no estilo OpenAI e vários modelos. Excelente para testar várias versões do Llama e alternar entre elas.
• Um provedor em nuvem que hospeda o Llama diretamente. Várias empresas de inferência e grandes plataformas em nuvem oferecem modelos Llama. Compare preços, limites de requisições e políticas de dados antes de escolher.
• Seu próprio servidor ou computador. Execute o Llama com LM Studio, Ollama ou llama.cpp e faça requisições por meio de uma API local compatível com a OpenAI. Sem custo por token e com total controle dos dados. Veja como executar o Llama localmente.

Como chamar o Llama pelo OpenRouter

A API do OpenRouter segue o mesmo formato da API de chat completions da OpenAI, então a maior parte do código e das bibliotecas existentes funciona apenas alterando o endereço base e o nome do modelo. Crie uma conta e uma chave de API no OpenRouter, armazene a chave em uma variável de ambiente chamada OPENROUTER_API_KEY e nunca a inclua em código do lado do cliente. O passo a passo está no guia de início rápido do OpenRouter.

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": "Escreva um haicai sobre modelos de pesos abertos."}
    ]
  }'

Python, com o SDK da 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": "Resuma a licença do Llama em três tópicos."}],
)
print(response.choices[0].message.content)

JavaScript, com 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: "Dê-me três sugestões de nomes para uma padaria." }],
  }),
});
const data = await res.json();
console.log(data.choices[0].message.content);

Execute scripts JavaScript desse tipo em um servidor, nunca diretamente em uma página web, para manter a chave protegida. O streaming também é suportado caso queira exibir a resposta palavra por palavra.

Enviando uma imagem para o Llama 4

O Llama 4 Maverick e o Scout aceitam imagens. No formato padrão da OpenAI, o conteúdo da mensagem se torna uma lista com uma parte de texto e outra de imagem:

{
  "model": "meta-llama/llama-4-maverick",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "O que há nesta imagem?"},
      {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
    ]
  }]
}

O Llama 3.3 70B e o Llama 3.1 8B processam apenas texto, portanto envie imagens para um modelo Llama 4.

Nomes de modelos Llama e preços

Estes são os modelos Llama disponíveis no OpenRouter, com seus respectivos identificadores, janelas de contexto e preços por milhão de tokens. Todos os valores refletem a tabela do OpenRouter de outubro de 2026; eles podem mudar, então confira as tarifas antes de planejar seus custos.

Observe que as janelas de contexto listadas aqui são as oferecidas pelos provedores do OpenRouter, que podem ser menores do que as especificações oficiais da Meta. A Meta indica 10 milhões de tokens para o Scout e 1 milhão para o Maverick.

Usando o Llama local como API

Se você executa o Llama localmente, pode apontar o mesmo código para a sua própria máquina. O servidor do LM Studio utiliza http://localhost:1234/v1 como endereço base, e o comando llama serve do llama.cpp também inicia um servidor compatível com a OpenAI; consulte a documentação do servidor do LM Studio e o README do llama.cpp. O Ollama possui sua própria API em http://localhost:11434/api/chat. Use o nome do modelo exibido pela sua ferramenta local em vez do identificador do OpenRouter.

Dicas para desenvolver com o Llama

• Comece com o Maverick ou o Scout para tarefas gerais e imagens, e experimente o Llama 3.1 8B quando a velocidade e o custo forem mais importantes que a profundidade das respostas.
• Defina um prompt de sistema descrevendo a função, o tom e o formato de saída que você precisa.
• Adicione uma camada de moderação para apps públicos. O Llama Guard 4 pode analisar e classificar prompts e respostas.
• Respeite os termos da licença. Produtos criados com o Llama precisam exibir "Built with Llama" e cumprir a política de uso aceitável da Meta. Leia o nosso guia da licença.
• Fique atento à data limite de conhecimento. O Llama 4 conhece eventos até agosto de 2024; forneça informações recentes no próprio prompt sempre que necessário.

Problemas frequentes

• Erros de autorização geralmente indicam que a chave está ausente, incorreta ou não foi carregada no ambiente em que seu código roda.
• "Model not found" normalmente decorre de um erro de digitação no nome do modelo. Copie exatamente como consta na tabela acima, incluindo o prefixo meta-llama/.
• Imagem ignorada ou recusada acontece ao enviar imagens para um modelo que só aceita texto. Mude para o Maverick ou Scout.
• Respostas cortadas indicam que o retorno atingiu o limite de tokens de saída. Peça uma resposta mais concisa ou aumente o limite máximo de tokens configurado.

Perguntas frequentes

A Meta ainda oferece uma API do Llama?

Não. A Meta encerrou a prévia da sua API hospedada do Llama em 6 de julho de 2026. A Meta Model API atende aos modelos Muse, não ao Llama.

Existe alguma API gratuita do Llama?

Executar o Llama localmente não tem custo por token. APIs hospedadas cobram por token consumido, embora modelos menores como o Llama 3.1 8B sejam bastante acessíveis.

O Llama.Online tem uma API?

Não. O Llama.Online funciona exclusivamente como chat no navegador. Para integrar via código, use um provedor em nuvem ou um servidor local.

Posso usar o SDK da OpenAI com o Llama?

Sim. Basta direcionar o SDK para um endpoint compatível com a OpenAI, como o OpenRouter ou um servidor local do LM Studio, e especificar o nome do modelo Llama desejado.