Llama API: วิธีเรียกใช้งาน Llama ผ่านโค้ด

สรุปสั้นๆ

หากคุณต้องการเรียกใช้ Llama จากโค้ดของคุณในปี 2026 มีสองวิธีหลักที่ใช้งานได้จริง: เรียกผ่านผู้ให้บริการคลาวด์ที่โฮสต์โมเดล Llama หรือรันโมเดลด้วยตัวเองบนเซิร์ฟเวอร์โลคัล ทาง Meta ไม่ได้ให้บริการโฮสต์ API สำหรับ Llama โดยตรงแล้ว คู่มือนี้จะอธิบายการเปลี่ยนแปลงที่เกิดขึ้น พร้อมแสดงตัวอย่างโค้ดที่ใช้งานได้จริงผ่าน OpenRouter ซึ่งเป็นบริการที่รวม API หลากหลายโมเดลไว้ในที่เดียว รวมถึง Llama 4 Maverick และ Scout

เกิดอะไรขึ้นกับ Llama API ของ Meta

หลังการเปิดตัว Llama 4 ทาง Meta ได้เปิดให้บริการโฮสต์ Llama API แบบพับลิกพรีวิวสำหรับนักพัฒนา แต่ได้ปิดบริการพรีวิวดังกล่าวไปเมื่อวันที่ 6 กรกฎาคม 2026 ส่วนบริการใหม่สำหรับนักพัฒนาอย่าง Meta Model API นั้นให้บริการเฉพาะโมเดลตระกูล Muse เช่น Muse Wonder เท่านั้น ไม่ใช่ Llama โดยหน้าช่วยเหลือของ Meta ระบุไว้อย่างชัดเจนว่า: "โมเดล Llama จะไม่ถูกรันให้คุณผ่าน Model API" หรือกล่าวได้ว่า ตอนนี้ Llama เป็นโมเดลที่คุณต้องดาวน์โหลดมารันเอง หรือใช้งานผ่านผู้ให้บริการรายอื่น ดูข้อมูลเพิ่มเติมได้ที่ บันทึกของ Meta เกี่ยวกับ Llama และ Model API

โมเดล Muse ไม่มีให้บริการในแชตของเรา และราคาการใช้งานก็อยู่นอกเหนือขอบเขตของหน้านี้ เนื้อหาที่เหลือของคู่มือนี้จะเน้นเฉพาะ Llama เท่านั้น

ตัวเลือกของคุณโดยสรุป

• ตัวจัดเส้นทางโมเดล (Model Router) เช่น OpenRouter ใช้ API key เดียว เอนด์พอยต์รูปแบบเดียวกับ OpenAI และเข้าถึงได้หลายโมเดล เหมาะอย่างยิ่งสำหรับการทดลอง Llama หลายๆ เวอร์ชันและสลับไปมาได้อย่างง่ายดาย
• ผู้ให้บริการคลาวด์ที่โฮสต์ Llama โดยตรง บริษัทผู้ให้บริการ Inference และแพลตฟอร์มคลาวด์ชั้นนำหลายแห่งมีโมเดล Llama ให้บริการ ควรเปรียบเทียบราคา ขีดจำกัดการเรียกใช้งาน (rate limits) และนโยบายข้อมูลก่อนตัดสินใจเลือก
• เซิร์ฟเวอร์หรือคอมพิวเตอร์ของคุณเอง รัน Llama ด้วย LM Studio, Ollama หรือ llama.cpp แล้วเรียกใช้งานผ่าน API โลคัลที่เข้ากันได้กับ OpenAI ไม่มีค่าใช้จ่ายต่อโทเคน และควบคุมข้อมูลได้สมบูรณ์ ดูวิธีได้ที่ การรัน Llama บนเครื่องของคุณ

การเรียกใช้ Llama ผ่าน OpenRouter

API ของ OpenRouter ใช้รูปแบบเดียวกับ Chat Completions API ของ OpenAI โค้ดและไลบรารีส่วนใหญ่จึงใช้งานต่อได้ทันทีเพียงเปลี่ยน Base URL และชื่อโมเดล ให้คุณสร้างบัญชีและ API key บน OpenRouter แล้วเก็บคีย์ไว้ในตัวแปรสภาพแวดล้อมชื่อ OPENROUTER_API_KEY และอย่าใส่ไว้ในโค้ดฝั่งไคลเอนต์เด็ดขาด ดูขั้นตอนได้ที่ คู่มือเริ่มต้นใช้งานฉบับย่อของ 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": "Write a haiku about open-weight models."}
    ]
  }'

Python (ใช้งานร่วมกับ OpenAI SDK)

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": "Summarize the Llama license in three bullets."}],
)
print(response.choices[0].message.content)

JavaScript (ใช้งานร่วมกับ 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: "Give me three names for a bakery." }],
  }),
});
const data = await res.json();
console.log(data.choices[0].message.content);

ควรรัน JavaScript ลักษณะนี้บนเซิร์ฟเวอร์ ไม่ใช่บนหน้าเว็บ เพื่อรักษาคีย์ให้เป็นความลับ นอกจากนี้ยังรองรับการสตรีม (Streaming) หากต้องการให้คำตอบแสดงผลทีละคำ

การส่งรูปภาพไปยัง Llama 4

Llama 4 Maverick และ Scout รองรับการประมวลผลรูปภาพ ในรูปแบบมาตรฐานของ OpenAI เนื้อหาของข้อความจะปรับเป็นลิสต์ที่มีทั้งส่วนข้อความและส่วนรูปภาพ:

{
  "model": "meta-llama/llama-4-maverick",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "What is in this picture?"},
      {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
    ]
  }]
}

Llama 3.3 70B และ Llama 3.1 8B รองรับเฉพาะข้อความเท่านั้น หากต้องการส่งรูปภาพ โปรดใช้โมเดลในตระกูล Llama 4

ชื่อโมเดล Llama และราคา

รายการโมเดล Llama ที่พร้อมใช้งานบน OpenRouter พร้อมชื่อโมเดล ขนาดคอนเทกซ์ และราคาต่อ 1 ล้านโทเคน ราคาทั้งหมดเป็นราคามาตรฐานของ OpenRouter ณ เดือนตุลาคม 2026 ซึ่งอาจมีการเปลี่ยนแปลงได้ โปรดตรวจสอบอีกครั้งก่อนวางแผนงบประมาณ

โปรดทราบว่าขนาดคอนเทกซ์ที่แสดงนี้เป็นขนาดที่ผู้ให้บริการของ OpenRouter รองรับ ซึ่งอาจน้อยกว่าที่ระบุไว้ใน Model Card ของ Meta โดย Meta ระบุไว้ที่ 10 ล้านโทเคนสำหรับ Scout และ 1 ล้านโทเคนสำหรับ Maverick

การใช้ Llama บนเครื่องของคุณเป็น API

หากคุณรัน Llama ด้วยตัวเอง คุณสามารถใช้โค้ดเดิมแล้วเปลี่ยนปลายทางไปยังเครื่องของคุณได้ทันที โดยเซิร์ฟเวอร์ของ LM Studio จะใช้ http://localhost:1234/v1 เป็น Base URL และคำสั่ง llama serve ของ llama.cpp ก็เปิดเซิร์ฟเวอร์ที่เข้ากันได้กับ OpenAI เช่นกัน ดูรายละเอียดได้ที่ เอกสารเซิร์ฟเวอร์ของ LM Studio และ README ของ llama.cpp ส่วน Ollama จะมี API ของตัวเองอยู่ที่ http://localhost:11434/api/chat ทั้งนี้ให้ใช้ชื่อโมเดลตามที่เครื่องของคุณแสดงแทนชื่อโมเดลของ OpenRouter

คำแนะนำในการพัฒนาด้วย Llama

• เริ่มต้นด้วย Maverick หรือ Scout สำหรับงานทั่วไปและการประมวลผลรูปภาพ และเลือกใช้ Llama 3.1 8B ในงานที่ต้องการความเร็วและประหยัดต้นทุนมากกว่าความลึกซึ้งของคำตอบ
• กำหนด System Prompt เพื่อระบุบทบาท น้ำเสียง และรูปแบบผลลัพธ์ที่คุณต้องการให้ชัดเจน
• เพิ่มระบบความปลอดภัย สำหรับแอปพลิเคชันสาธารณะ คุณสามารถใช้ Llama Guard 4 เพื่อคัดกรองพรอมต์และคำตอบได้
• ปฏิบัติตามสัญญาอนุญาต ผลิตภัณฑ์ที่พัฒนาด้วย Llama ต้องระบุข้อความ "Built with Llama" และปฏิบัติตามนโยบายการใช้งานที่ยอมรับได้ของ Meta โปรดอ่าน คู่มือสัญญาอนุญาต ของเรา
• คำนึงถึงขอบเขตความรู้ของโมเดล (Knowledge Cut-off) Llama 4 รับรู้เหตุการณ์จนถึงเดือนสิงหาคม 2024 ดังนั้นควรป้อนข้อมูลล่าสุดเข้าไปในพรอมต์เมื่อจำเป็น

ปัญหาที่พบบ่อย

• ข้อผิดพลาดด้านการยืนยันตัวตน (Authorization errors) มักเกิดจากคีย์สูญหาย พิมพ์ผิด หรือไม่ได้โหลดเข้าสู่สภาพแวดล้อมที่โค้ดของคุณทำงาน
• "Model not found" มักเกิดจากการพิมพ์ชื่อโมเดลผิด ให้คัดลอกชื่อโมเดลจากตารางด้านบนให้ถูกต้องครบถ้วน รวมถึงคำนำหน้า meta-llama/
• รูปภาพถูกละเลยหรือไม่รองรับ เกิดจากการส่งรูปภาพไปยังโมเดลที่รองรับเฉพาะข้อความ ให้เปลี่ยนไปใช้ Maverick หรือ Scout แทน
• คำตอบขาดตอน แสดงว่าคำตอบยาวเกินขีดจำกัดเอาต์พุต ให้ขอคำตอบที่กระชับขึ้นหรือเพิ่มการตั้งค่า Maximum Tokens

คำถามที่พบบ่อย

Meta ยังมีบริการ Llama API อยู่หรือไม่?

ไม่มีแล้ว Meta ปิดบริการ Llama API พรีวิวไปเมื่อวันที่ 6 กรกฎาคม 2026 โดย Meta Model API ในปัจจุบันให้บริการเฉพาะโมเดลตระกูล Muse ไม่ใช่ Llama

มี Llama API ที่ใช้งานได้ฟรีหรือไม่?

การรัน Llama บนเครื่องของคุณเองไม่มีค่าใช้จ่ายต่อโทเคน ส่วนบริการโฮสต์ API จะคิดค่าบริการตามจำนวนโทเคน แต่โมเดลขนาดเล็กอย่าง Llama 3.1 8B มีราคาที่ประหยัดมาก

Llama.Online มีบริการ API หรือไม่?

ไม่มี Llama.Online ให้บริการเฉพาะการแชตผ่านเบราว์เซอร์เท่านั้น สำหรับการเขียนโค้ด โปรดใช้ผู้ให้บริการคลาวด์หรือรันเซิร์ฟเวอร์บนเครื่องของคุณเอง

ฉันสามารถใช้ OpenAI SDK กับ Llama ได้หรือไม่?

ได้ เพียงกำหนดค่า SDK ให้ชี้ไปยังเอนด์พอยต์ที่เข้ากันได้กับ OpenAI เช่น OpenRouter หรือเซิร์ฟเวอร์ LM Studio บนเครื่องของคุณ แล้วระบุชื่อโมเดล Llama ที่ต้องการ