Zuerst das Ergebnis: Stand Oktober 2026 wurde die öffentliche Vorschau der von Meta selbst gehosteten Llama API am 6. Juli 2026 eingestellt. Wer heute über „kostenlose Llama-Kontingente“ spricht, meint meist zwei Hauptwege: Hosting und Selbsthosting. Hosting zerfällt in kostenlose Tarife von Drittanbietern, Cloud-Testguthaben und Testangebote inländischer Gateways. Hosting ist schnell startklar, hat aber Obergrenzen bei Rate, Daten und Stabilität; Selbsthosting wird nicht pro Token lizenziert, verlangt aber Hardware, Strom und Betrieb.

Hinweis: Llama und Meta Llama sind Marken von Meta Platforms, Inc. Dieser Beitrag dient der technischen Erläuterung und begründet keine Zugehörigkeits-, Vertretungs-, Sponsoring- oder Fürsprachebeziehung zu Meta. Modelllizenzen, verfügbare Modelle und Kontingentrichtlinien können sich ändern; maßgeblich sind die offiziellen Seiten von Meta und den Anbietern.

1. Vier Arten von „kostenlos“ sind nicht dasselbe

Weg Kostenform Wichtigste Grenzen Geeignet für
Kostenloser Tarif eines Hosters Tages- oder Monatslimit, Drosselung, danach Abschaltung oder Wechsel in Bezahltarif Modellauswahl, Parallelität, Kontext, Datenklauseln, kein SLA Prototypen, interne Tools mit wenig Last, Evaluation
Cloud-Testguthaben Neukundenguthaben oder zeitlich begrenztes Kontingent nach Cloud-Regeln Frist, Region, verfügbare Modelle, Abrechnung Kurze POCs, Integrationsnachweis in der Cloud
Selbsthosting offener Gewichte Lizenz nicht pro Token, Kosten in Hardware und Personal GPU-Speicher, Strom, Betrieb, Lizenzpflichten Datensensible Fälle, stabile Nutzung, Offline oder Edge
Testangebot eines inländischen Gateways Testguthaben oder kleine Aufladung Modelle, Kontingent und Rate nach Plattformseite Teams mit Yuan-Abrechnung und einheitlichem Multi-Modell-Einstieg

Alle vier Wege können „kostenlos“ heißen, unterscheiden sich aber bei Vertrag, Datengrenzen und Ausfallrisiko. Zuerst klären, ob kurzfristige Validierung oder langfristiger Betrieb gebraucht wird, dann über den Preis sprechen.

2. Die Meta-eigene Llama API ist eingestellt

Am 6. Juli 2026 hat Meta die öffentliche Vorschau der Llama API geschlossen; bestehende Anfragen erhalten einen Hinweis und eine Weiterleitung. Meta empfiehlt die Migration zu Drittanbietern, die Llama unterstützen; die Entwicklerplattform hat den Schwerpunkt anschließend auf die Muse-Reihe verlegt. Muse und Llama sind nicht dieselbe Modellfamilie und dürfen bei Beschaffung und Migration nicht vermischt werden.

Endpunkte, Vorschau-Keys und kostenlose Kontingente aus alten Anleitungen gelten nicht mehr. Die Llama-Gewichte sind weiterhin über die Downloadseite von Meta oder das meta-llama-Repository auf Hugging Face erhältlich; vor dem Download muss die Community License der jeweiligen Version akzeptiert werden. Wer 2026 nach „kostenloser Llama API“ sucht, findet daher überwiegend Drittanbieter.

3. Kostenloses Hosting: bequem, aber fünf Grenzen

  1. Rate und Parallelität: Anfragen pro Minute, Tokens pro Minute und parallele Aufrufe sind begrenzt; bei Überschreitung kommt meist 429. In Spitzenzeiten hat der kostenlose Tarif oft niedrigere Priorität als bezahlte.
  2. Modellauswahl: Der kostenlose Tarif bietet möglicherweise nur kleine Modelle, quantisierte Versionen oder alte Snapshots; 2026 haben einige Anbieter Llama-Modelle abgeschaltet, die Free-Liste ändert sich schnell.
  3. Kontext und Funktionen: Langer Kontext, Multimodalität, Tool-Aufrufe und strukturierte Ausgaben können beschnitten sein; bei der Auswahl einzeln prüfen.
  4. Datenklauseln: Aufbewahrung und Trainingsregeln im Free-Tarif unterscheiden sich oft von bezahlten Tarifen und erlauben möglicherweise die Nutzung zur Serviceverbesserung; Kundendaten, Verträge und Code nicht ungeprüft einspielen.
  5. Servicegarantie: Meist kein SLA, keine Kompensation und keine verlässlichen Störungsmeldungen; Wartung, Drosselung und Modellabschaltung können kurzfristig erfolgen.

Free-Tarife eignen sich zur Bedarfsvalidierung, nicht als Produktionsgrundlage. Bei Seiten, die „dauerhaft kostenlos, unbegrenzte Aufrufe“ versprechen, davon ausgehen, dass sich das jederzeit ändern kann.

4. Selbsthosting: Lizenz kostenlos, Ressourcen nicht

Die Llama Community License erlaubt kommerzielle Nutzung und berechnet keine Tokens, bedeutet aber keine Nullkosten. Je größer die Gewichte, desto höher Speicherbedarf, Bandbreite und Betriebsaufwand. Die folgenden Größenordnungen sind Anhaltspunkte; maßgeblich sind Quantisierung, Framework, Kontextlänge und Parallelität im Test:

  • 1B–8B-Klasse: 4-Bit-Gewichte etwa 1–6 GB; mit KV-Cache und Framework-Overhead reichen 8–16 GB GPU-Speicher für den Einstieg, geeignet für eine Karte, ein Notebook oder Edge-Geräte.
  • 70B-Klasse: 4-Bit-Gewichte etwa 35–45 GB; langer Kontext und hohe Parallelität brauchen mehr, meist eine Karte mit über 48 GB oder mehrere Karten.
  • Llama 4 Scout: 109B Gesamtparameter, 17B aktive Parameter, 4-Bit-Gewichte etwa 55–60 GB; der nominell lange Kontext beansprucht den KV-Cache stark, die tatsächliche Bereitstellung muss bei Parallelität Abstriche machen.
  • Llama 4 Maverick: 400B Gesamtparameter, 17B aktive Parameter, 4-Bit-Gewichte in der Größenordnung von 200 GB, meist ein Server mit mehreren Karten.
  • Llama 3.1 405B: BF16-Gewichte in der Größenordnung von 800 GB, mehrere Maschinen und Karten; für kleine Teams kein sinnvoller Einstieg.

MoE-Modelle haben weniger aktive Parameter und damit geringeren Rechenbedarf, die Gewichte müssen aber vollständig im Speicher liegen; „17B aktiv“ bedeutet nicht „17B GPU-Speicher“. Zu den Gesamtkosten zählen GPU-Kauf oder -Miete, Strom, Rack, Netz, Speicher, Redundanz, Monitoring, Updates und Sicherheitspatches. Bei geringer Auslastung ist Selbsthosting oft teurer als eine nutzungsbasierte API.

5. Datenschutz und Compliance: Selbsthosting ist nicht automatisch konform

Läuft das Modell auf eigenen Servern, ist die Datengrenze besser kontrollierbar; Logs, Monitoring, Backups, Fernwartung und Kontorechte können Daten dennoch nach außen tragen. Auch bei gemieteten Cloud-GPUs landen die Daten in der Infrastruktur des Cloud-Anbieters.

Bei kostenlosem Hosting besonders prüfen: Nutzung zur Serviceverbesserung, Aufbewahrungsdauer, Unterauftragsverarbeiter, Datenregion und Löschmechanismus. Die Datenklauseln des Free-Tarifs unterscheiden sich oft von bezahlten Tarifen; Testdaten, Kundenunterlagen und Code nicht ungeprüft einspielen. Teams in China müssen zusätzlich den Weg personenbezogener Daten ins Ausland bewerten. Bei personenbezogenen Daten, wichtigen Daten oder branchenspezifisch regulierten Daten zuerst Rechts- und Sicherheitsteam einschalten, dann zwischen Hosting und privatem Deployment entscheiden. Auch Acceptable-Use-Policy und handelsrechtliche Klauseln der Lizenz prüfen.

6. Qualität vergleichen: gleiche Gewichte, unterschiedliche Ergebnisse

Dieselben Llama-Gewichte können auf verschiedenen Plattformen unterschiedlich abschneiden; Ursachen sind Quantisierungsgenauigkeit, Inferenzframework, Sampling-Parameter, System-Prompt, Kontextlänge, Sicherheitsfilter und Snapshot-Version. Kostenloses Hosting bietet möglicherweise nur eine quantisierte oder alte Version; steht auf der Seite „Llama 4“, zählt die tatsächlich zurückgegebene Modell-ID.

Bei der Auswahl nicht nur Ranglisten ansehen. 20 bis 50 eigene echte Aufgaben vorbereiten, Prompts und Bewertungsmaßstab vereinheitlichen und Trefferquote, p95-Latenz, Tokenverbrauch pro Aufgabe und manuelle Nacharbeit vergleichen. Llama 4 Scout und Maverick liegen stärker bei Multimodalität und langem Kontext, Llama 3.3 70B passt besser zu textintensiven Aufgaben; nach Aufgabe auswählen, nicht nach Parameterzahl.

7. Auswahl nach Workload, nicht nach Preis

Diese Fragen führen schnell zur passenden Route:

  1. Dürfen Daten zu Drittanbietern? Wenn nein, zuerst privates Deployment prüfen.
  2. Ist der Traffic stabil und lohnt sich eigene GPU-Kapazität? Bei wenig und schwankender Last zuerst Hosting.
  3. Werden langer Kontext, Multimodalität oder Tool-Aufrufe gebraucht? Vorher prüfen, ob der Free-Tarif diese Funktionen bietet.
  4. Sind 429 und Modellabschaltungen akzeptabel? Wenn nein, bezahlten Tarif oder zweiten Anbieter vorbereiten.
  5. Gibt es Betriebskompetenz? Wenn nein, nicht selbst hosten.

Eine übliche Kombination: Entwicklung und kleine Evaluation über kostenloses Hosting, Produktion über bezahltes Hosting oder ein inländisches Gateway, datensensible Module privat, dazu ein Ersatzkanal.

8. Vom Free-Tarif zum Bezahltarif

Auf Bezahlung umstellen, wenn diese Signale auftreten: häufige 429, schwankende Latenz, beschnittener Kontext oder Funktionen, Datenklauseln bestehen die Prüfung nicht, SLA und Ticket-Support werden gebraucht, stabile Modellversionen oder Rechnungen in Yuan.

Ein Upgrade bedeutet nicht zwingend einen Anbieterwechsel. Es kann der Wechsel in den nutzungsbasierten Tarif derselben Plattform sein, aber auch Cloud-Hosting, ein spezialisierter Inferenzanbieter oder ein inländisches AI-Gateway. Das ZSQH AI Gateway bietet eine OpenAI-kompatible Schnittstelle als einheitlichen Multi-Modell-Einstieg; Modelle und Preise ändern sich mit Anbietern und Versionen, maßgeblich sind die Modellpreise, die Registrierung läuft über Registrieren.

curl -sS "https://ai.zhongshangqihang.com/v1/chat/completions" \
  -H "Authorization: Bearer IHR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama-3.3-70b-instruct",
    "messages": [{"role": "user", "content": "Nenne in drei Saetzen die wichtigsten Grenzen einer kostenlosen Llama API"}],
    "max_tokens": 256
  }' | python3 -m json.tool

Die Modell-ID richtet sich nach der Modellliste der Plattform; beim Selbsthosting die Adresse durch den OpenAI-kompatiblen Endpunkt von vLLM, SGLang oder llama.cpp ersetzen. Produktionscode muss 401, 429 und 5xx unterscheiden: 401 Key prüfen, 429 mit Backoff wiederholen, 5xx den Ersatzkanal auslösen.

9. Häufig gestellte Fragen

Gibt es eine dauerhaft kostenlose Llama-API?

Stand Oktober 2026 gibt es keine offizielle Meta-Llama-API, die als dauerhafte kostenlose Zusage gelten kann. Drittanbieter bieten möglicherweise Free-Tarife oder Testguthaben, aber Kontingent, Rate und Dauer bestimmt die jeweilige Plattform und kann sich jederzeit ändern.

Bietet Meta noch eine Llama API an?

Die öffentliche Vorschau der Meta-Llama-API wurde am 6. Juli 2026 eingestellt; offiziell wird die Migration zu Drittanbietern empfohlen, die Llama unterstützen. Die Entwicklerplattform bewirbt aktuell die Muse-Reihe, die nicht zur Llama-Familie gehört. Ob ein neues Llama-Hosting-Angebot kommt, steht auf den offiziellen Meta-Seiten.

Ist selbst gehostetes Llama wirklich kostenlos?

Die Lizenz berechnet keine Tokens, aber Hardware, Strom, Rechenzentrum, Betrieb und Redundanz kosten Geld. Bei sehr geringem oder stark schwankendem Volumen ist Selbsthosting meist unwirtschaftlich; Vorteile entstehen bei Daten, die das Land nicht verlassen dürfen, Offline-Betrieb oder dauerhaft hoher Auslastung.

Sind kostenlos gehostete und bezahlte Llama dasselbe Modell?

Nicht zwingend. Der Free-Tarif bietet möglicherweise nur kleinere Modelle, quantisierte Versionen oder alte Snapshots, und Kontext sowie Funktionen können beschnitten sein. Maßgeblich sind Modell-ID, Versionsnummer und offizielle Modellkarte, nicht der Marketingname.

Wo sollte ein kleines Team beginnen?

Ein bis zwei Wochen mit dem kostenlosen Hosting-Tarif testen und parallel mit einem 8B-Modell auf einer Karte oder einem Notebook eine lokale Baseline erzeugen, um Qualität und Latenz zu vergleichen. Erst wenn Nutzung, Daten und Budget klar sind, bezahltes Hosting oder Selbsthosting wählen und einen Ersatzkanal behalten.

Weiterführende Beiträge: Llama API: Preise und Abrechnung, Llama API aufladen: Cloud, Gateway und Rechnungen, Llama API über Relay und Proxy.