Llama API: Llama'yı kodlarınızda kullanma

Kısa cevap

2026 yılında kendi kodunuzdan Llama kullanmak için iki pratik yolunuz var: Llama modellerini barındıran bir bulut sağlayıcısı üzerinden çağırmak veya modeli kendiniz çalıştırıp yerel bir sunucu kullanmak. Meta artık Llama için barındırılan bir API sunmuyor. Bu rehberde nelerin değiştiğini açıklıyor ve ardından Llama 4 Maverick ile Scout dahil birçok model için tek bir API sağlayan OpenRouter hizmetini kullanan çalışan örnekler sunuyoruz.

Meta'nın Llama API'sine ne oldu?

Llama 4 lansmanından sonra Meta, geliştiriciler için herkese açık önizleme olarak barındırılan bir Llama API'si sundu. Meta bu önizlemeyi 6 Temmuz 2026'da sonlandırdı. Meta'nın daha yeni geliştirici çözümü olan Meta Model API, Llama'yı değil, Muse Wonder gibi Meta Muse modellerini sunmaktadır. Meta'nın kendi yardım sayfası bunu doğrudan ifade ediyor: "Model API aracılığıyla Llama modelleri sizin için çalıştırılmaz." Başka bir deyişle Llama, artık indirip çalıştırdığınız veya diğer sağlayıcılar üzerinden kullandığınız bir modeldir. Bkz. Meta'nın Llama ve Model API hakkındaki notu.

Muse modelleri sohbetimizde yer almamaktadır ve fiyatlandırmaları bu sayfanın kapsamı dışındadır. Bu rehberin geri kalanı Llama hakkındadır.

Seçeneklerinize genel bakış

• OpenRouter gibi bir model yönlendiricisi. Tek bir API anahtarı, tek bir OpenAI tarzı uç nokta, birçok model. Farklı Llama sürümlerini denemek ve aralarında geçiş yapmak için idealdir.
• Llama'yı doğrudan barındıran bir bulut sağlayıcısı. Birçok çıkarım (inference) şirketi ve büyük bulut platformu Llama modelleri sunar. Seçim yapmadan önce fiyatları, istek sınırlarını (rate limits) ve veri politikalarını karşılaştırın.
• Kendi sunucunuz veya bilgisayarınız. Llama'yı LM Studio, Ollama veya llama.cpp ile çalıştırın ve yerel, OpenAI uyumlu bir API üzerinden çağırın. Belirteç (token) başına maliyet yoktur, veriler tamamen sizin kontrolünüzdedir. Bkz. Llama'yı yerel olarak çalıştırma.

OpenRouter üzerinden Llama çağırma

OpenRouter API'si OpenAI'ın chat completions API'si ile aynı formatı kullanır; bu sayede mevcut kod ve kütüphanelerin çoğu yalnızca temel adres ve model adı değiştirilerek çalışır. OpenRouter'da bir hesap ve API anahtarı oluşturun, anahtarı OPENROUTER_API_KEY adlı bir ortam değişkeninde saklayın ve asla istemci tarafı (client-side) kodlara eklemeyin. İlgili adımlar OpenRouter hızlı başlangıç kılavuzunda yer almaktadır.

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": "Açık ağırlıklı modeller hakkında bir haiku yaz."}
    ]
  }'

OpenAI SDK ile Python

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": "Llama lisansını üç maddede özetle."}],
)
print(response.choices[0].message.content)

fetch ile JavaScript

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: "Bir fırın için üç isim öner." }],
  }),
});
const data = await res.json();
console.log(data.choices[0].message.content);

Anahtarın gizli kalması için bu tür JavaScript kodlarını web sayfasında değil, sunucuda çalıştırın. Yanıtın kelime kelime gelmesini isterseniz akış (streaming) özelliği de desteklenmektedir.

Llama 4'e görsel gönderme

Llama 4 Maverick ve Scout görselleri kabul eder. OpenAI tarzı formatta mesaj içeriği, bir metin ve bir görsel parçası içeren bir listeye dönüşür:

{
  "model": "meta-llama/llama-4-maverick",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "Bu resimde ne var?"},
      {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
    ]
  }]
}

Llama 3.3 70B ve Llama 3.1 8B yalnızca metin destekler, bu nedenle görselleri bir Llama 4 modeline gönderin.

Llama model adları ve fiyatları

Aşağıda OpenRouter'ın listelediği Llama modelleri, API model adları, bağlam pencereleri ve 1 milyon belirteç (token) başına fiyatları yer almaktadır. Tüm fiyatlar OpenRouter'ın Ekim 2026 liste fiyatlarıdır; değişebileceğinden bütçenizi planlamadan önce kontrol edin.

Buradaki bağlam pencerelerinin, OpenRouter sağlayıcılarının sunduğu değerler olduğunu ve Meta'nın model kartlarında belirtilenlerden daha düşük olabileceğini unutmayın. Meta, Scout için 10 milyon, Maverick için ise 1 milyon belirteç listelemektedir.

Yerel bir Llama modelini API olarak kullanma

Llama'yı kendiniz çalıştırıyorsanız, aynı kodu kendi makinenize yönlendirebilirsiniz. LM Studio sunucusu temel adres olarak http://localhost:1234/v1 kullanır ve llama.cpp'nin llama serve komutu da OpenAI uyumlu bir sunucu başlatır; bkz. LM Studio sunucu belgeleri ve llama.cpp README. Ollama ise http://localhost:11434/api/chat adresinde kendi API'sine sahiptir. OpenRouter adı yerine yerel aracınızın gösterdiği model adını kullanın.

Llama ile geliştirme yaparken ipuçları

• Genel görevler ve görseller için Maverick veya Scout ile başlayın; hız ve maliyetin derinlikten daha önemli olduğu durumlarda Llama 3.1 8B'yi deneyin.
• İhtiyacınız olan rolü, üslubu ve çıktı biçimini açıklayan bir sistem istemi (system prompt) belirleyin.
• Herkese açık uygulamalar için bir güvenlik katmanı ekleyin. Llama Guard 4, istemleri ve yanıtları sınıflandırabilir.
• Lisansa uyun. Llama ile geliştirilen ürünlerde "Built with Llama" ifadesi yer almalı ve Meta'nın kabul edilebilir kullanım politikasına uyulmalıdır. Lisans rehberimizi okuyun.
• Bilgi kesilme tarihlerini unutmayın. Llama 4, Ağustos 2024'e kadar olan olayları bilir; gerektiğinde modele istem içinde güncel bilgileri sağlayın.

Sık karşılaşılan sorunlar

• Yetkilendirme hataları genellikle anahtarın eksik olduğunu, yanlış yazıldığını veya kodunuzun çalıştığı ortama yüklenmediğini gösterir.
• "Model not found" hatası genellikle model adındaki bir yazım hatasından kaynaklanır. meta-llama/ öneki de dahil olmak üzere yukarıdaki tablodan birebir kopyalayın.
• Görselin yok sayılması veya reddedilmesi, yalnızca metin destekleyen bir modele resim gönderdiğinizde meydana gelir. Maverick veya Scout modeline geçin.
• Yarım kalan yanıtlar, çıktının belirteç sınırına ulaştığı anlamına gelir. Daha kısa bir yanıt isteyin veya maksimum belirteç ayarını artırın.

SSS

Meta hâlâ bir Llama API'si sunuyor mu?

Hayır. Meta, barındırılan Llama API önizlemesini 6 Temmuz 2026'da kapattı. Meta Model API, Llama'yı değil, Muse modellerini sunmaktadır.

Ücretsiz bir Llama API'si var mı?

Llama'yı yerel olarak çalıştırmanın belirteç başına maliyeti yoktur. Barındırılan API'ler belirteç başına ücret alır, ancak Llama 3.1 8B gibi küçük modeller oldukça ekonomiktir.

Llama.Online bir API sunuyor mu?

Hayır. Llama.Online yalnızca tarayıcı üzerinden sohbet hizmetidir. Kod projeleriniz için bir bulut sağlayıcısı veya yerel bir sunucu kullanın.

Llama ile OpenAI SDK'sını kullanabilir miyim?

Evet. SDK'yı OpenRouter veya yerel bir LM Studio sunucusu gibi OpenAI uyumlu bir uç noktaya yönlendirip bir Llama model adı kullanmanız yeterlidir.