Empecemos por la conclusión: a octubre de 2026, la vista previa pública de la Llama API alojada por Meta dejó de funcionar el 6 de julio de 2026. Cuando hoy se habla de "cuota gratuita de Llama", en la práctica hay dos vías principales: alojamiento y autohospedaje; el alojamiento se divide a su vez en capas gratuitas de terceros, créditos de prueba de plataformas de nube y pruebas de pasarelas locales. La primera es rápida de empezar, pero tiene techo en velocidad, datos y estabilidad; la segunda no cobra por token según la licencia, pero exige asumir hardware, electricidad y operación.

Nota: Llama y Meta Llama son marcas de Meta Platforms, Inc. Este artículo solo ofrece información técnica y no representa una relación de subordinación, agencia, patrocinio o respaldo con Meta. Las licencias, los modelos disponibles y las políticas de cuota pueden cambiar; rija la decisión por las páginas oficiales de Meta y de cada proveedor.

1. Cuatro formas de "gratis" que no son lo mismo

Vía Forma del costo Límites principales Escenario adecuado
Capa gratuita de un proveedor externo Límite diario o mensual y velocidad restringida; al superarlo se suspende o se pasa a pago Catálogo de modelos, concurrencia, contexto, cláusulas de datos, sin SLA Prototipos, herramientas internas de baja concurrencia, evaluación
Crédito de prueba de nube Crédito para nuevos usuarios o cuota por tiempo limitado, sujeta a reglas de la nube Plazo, región, modelos disponibles, forma de liquidación POC de corto plazo, validación de integración en la nube
Pesos abiertos autohospedados La licencia no cobra por token; el costo pasa a hardware y personal Memoria de GPU, electricidad, operación, obligaciones de licencia Datos sensibles, uso estable, entornos offline o de borde
Prueba de una pasarela de IA local Crédito de prueba o recarga pequeña de la plataforma Modelos, cuota y velocidad según la página de la plataforma Equipos que necesitan factura en moneda local y entrada multi-modelo

Las cuatro vías pueden llamarse "gratis", pero el contrato, el límite de datos y el riesgo de cierre son completamente distintos. Confirme primero si busca validación de corto plazo o capacidad de largo plazo, y después hable de precio.

2. La Llama API propia de Meta ya no está disponible

El 6 de julio de 2026, Meta cerró la vista previa pública de Llama API; las solicitudes anteriores reciben un aviso de descontinuación y una redirección. La recomendación de Meta es migrar a proveedores externos compatibles con Llama; su plataforma para desarrolladores pasó a centrarse en la serie Muse. Muse y Llama no son la misma familia de modelos; no los mezcle al comprar ni al migrar.

Los endpoints, las claves de vista previa y las cuotas gratuitas de la Llama API de Meta que aparecen en tutoriales antiguos ya no aplican. Los pesos de Llama se siguen obteniendo desde la página de descargas de Meta o desde el repositorio meta-llama en Hugging Face, tras aceptar la licencia comunitaria de la versión correspondiente. Por eso, buscar "API gratuita de Llama" en 2026 conduce en la mayoría de los casos a plataformas de terceros.

3. Alojamiento gratuito: cómodo, con cinco límites concentrados

  1. Velocidad y concurrencia: hay topes de solicitudes por minuto, tokens por minuto y concurrencia; al superarlos suele aparecer un 429, y en horas pico la capa gratuita suele tener menos prioridad que la de pago.
  2. Catálogo de modelos: la capa gratuita puede ofrecer solo modelos pequeños, versiones cuantizadas o instantáneas antiguas; en 2026 algunos proveedores de inferencia retiraron modelos Llama, y la lista gratuita cambia rápido.
  3. Contexto y funciones: el contexto largo, la multimodalidad, las llamadas a herramientas y la salida estructurada pueden estar recortados; valide cada punto al elegir.
  4. Cláusulas de datos: la retención y el uso para entrenamiento de la capa gratuita suelen diferir de la de pago, y puede permitirse el uso para mejorar el servicio; no envíe directamente datos de clientes, contratos ni código.
  5. Respaldo del servicio: normalmente no hay SLA, compensación ni aviso estable de fallas; el mantenimiento, los límites y la retirada de modelos pueden avisarse con poca anticipación.

La capa gratuita sirve para validar una necesidad, no para sostener producción. Cualquier página que afirme "gratis para siempre, llamadas ilimitadas" debe tratarse como algo que puede cambiar en cualquier momento.

4. Autohospedaje: licencia gratuita, recursos no gratuitos

La licencia comunitaria de Llama permite uso comercial y no cobra por token, pero no equivale a costo cero. Cuanto más grandes son los pesos, mayores son la memoria, el ancho de banda y el esfuerzo de operación. Estas son magnitudes aproximadas de hardware; el resultado real depende de la cuantización, el motor de inferencia, la longitud de contexto y la concurrencia medida:

  • Nivel 1B–8B: los pesos cuantizados a 4 bits ocupan aproximadamente 1–6 GB; con KV Cache y sobrecarga del framework, 8–16 GB de memoria permiten empezar, apto para una GPU, una laptop o un dispositivo de borde.
  • Nivel 70B: los pesos a 4 bits ocupan aproximadamente 35–45 GB; con contexto largo y alta concurrencia se necesita más memoria, por lo general una GPU de 48 GB o más, o varias GPU.
  • Llama 4 Scout: 109B de parámetros totales y 17B activos; los pesos a 4 bits ocupan aproximadamente 55–60 GB. El contexto largo nominal consume mucho KV Cache y en la práctica reduce la concurrencia.
  • Llama 4 Maverick: 400B de parámetros totales y 17B activos; los pesos a 4 bits rondan los 200 GB y suelen requerir un servidor multigpu.
  • Llama 3.1 405B: los pesos en BF16 rondan los 800 GB; pertenece al ámbito de varios servidores y varias GPU, no es un punto de partida para equipos pequeños.

Los modelos MoE tienen menos parámetros activos y exigen menos cálculo, pero todos los pesos deben caber en memoria; no interprete "17B activos" como "17B de memoria". El costo total del autohospedaje incluye compra o alquiler de GPU, electricidad, rack, red, almacenamiento, redundancia, monitoreo, actualizaciones y parches de seguridad. Con baja utilización, el autohospedaje suele salir más caro que una API por uso.

5. Privacidad y cumplimiento: autohospedar no equivale a cumplir

Ejecutar el modelo en servidores propios hace más controlable el límite de datos, pero los registros, el monitoreo, las copias de seguridad, la operación remota y los permisos de cuenta todavía pueden sacar datos. Alquilar GPU en la nube para autohospedar también envía los datos a la infraestructura del proveedor de nube.

En una capa gratuita alojada hay que revisar: si los datos se usan para mejorar el servicio, cuánto se conservan, si pasan por subprocesadores, en qué región quedan y cuál es el mecanismo de borrado. Las cláusulas de datos de la capa gratuita suelen diferir de las de pago; no envíe datos de prueba, información de clientes ni código. Los equipos de China también deben evaluar la ruta de salida de datos personales. Cuando haya datos personales, datos importantes o datos sujetos a regulación sectorial, pida primero a legal y seguridad que confirmen, y luego decida entre alojamiento y despliegue privado. También hay que revisar la Acceptable Use Policy de la licencia y las cláusulas de cumplimiento comercial.

6. Cómo comparar calidad: mismos pesos, resultados distintos

Los mismos pesos de Llama pueden rendir distinto en cada plataforma por la precisión de cuantización, el motor de inferencia, los parámetros de muestreo, el prompt de sistema, la longitud de contexto, el filtrado de seguridad y la versión de la instantánea. El alojamiento gratuito puede ofrecer solo una versión cuantizada o antigua; aunque la página diga Llama 4, el ID que devuelve la interfaz es la referencia.

No elija solo por rankings. Prepare entre 20 y 50 tareas reales propias, unifique prompt y criterio de puntuación, y compare tasa de acierto, latencia p95, tokens por tarea y tasa de retrabajo manual. Llama 4 Scout y Maverick se inclinan por multimodalidad y contexto largo; Llama 3.3 70B encaja mejor en tareas intensivas de texto. Empareje por tarea, no rinda culto al tamaño de parámetros.

7. Cómo elegir: por carga de trabajo, no por precio

Estas preguntas ayudan a separar rápido las opciones:

  1. ¿Los datos pueden entrar en un tercero? Si no, empiece por el despliegue privado.
  2. ¿El tráfico es estable y justifica mantener GPU? Con baja concurrencia y mucha variación, priorice el alojamiento.
  3. ¿Necesita contexto largo, multimodalidad o llamadas a herramientas? Verifique primero si la capa gratuita las ofrece.
  4. ¿Acepta 429 y retirada de modelos? Si no, prepare la capa de pago o un segundo proveedor.
  5. ¿Tiene capacidad operativa? Si no, no autohospede.

Una combinación habitual es: alojamiento gratuito para desarrollo y evaluación de bajo tráfico, alojamiento de pago o pasarela local para producción, despliegue privado separado para módulos sensibles y un canal de respaldo.

8. Ruta de upgrade de gratuito a pago

Estas señales indican que conviene pasar a pago: 429 frecuentes, latencia inestable, contexto o funciones recortadas, cláusulas de datos que no pasan revisión, necesidad de SLA y soporte por tickets, necesidad de una versión estable de modelo y necesidad de factura en moneda local.

El upgrade no siempre implica cambiar de proveedor. Puede pasar a pago por uso en la misma plataforma o trasladar el tráfico a una nube, a un proveedor especializado de inferencia o a una pasarela de IA local. ZSQH AI Gateway ofrece una interfaz compatible con OpenAI y puede servir como entrada unificada multi-modelo; los modelos y precios cambian según proveedor y versión, se rigen por la página de precios, y si necesita una cuenta puede registrarse.

curl -sS "https://ai.zhongshangqihang.com/v1/chat/completions" \
  -H "Authorization: Bearer TU_CLAVE" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama-3.3-70b-instruct",
    "messages": [{"role": "user", "content": "Explica en tres frases los principales límites de una API de Llama gratuita"}],
    "max_tokens": 256
  }' | python3 -m json.tool

El ID de modelo se rige por la lista de la plataforma; en autohospedaje, cambie la dirección por el endpoint compatible con OpenAI que expone vLLM, SGLang o llama.cpp. El código de producción debe distinguir 401, 429 y 5xx: 401 se revisa en la clave, 429 se reintenta con retroceso y 5xx activa el canal de respaldo.

9. Preguntas frecuentes

¿Llama tiene una API gratuita permanente?

A octubre de 2026, no existe una API gratuita oficial de Meta que pueda tomarse como compromiso de largo plazo. Las plataformas de terceros pueden ofrecer una capa gratuita o crédito de prueba, pero la cuota, la velocidad y la duración las decide cada plataforma y pueden ajustarse en cualquier momento.

¿Meta sigue ofreciendo Llama API?

La vista previa pública de Llama API de Meta dejó de funcionar el 6 de julio de 2026 y la recomendación oficial es migrar a proveedores externos compatibles con Llama. La plataforma para desarrolladores de Meta promueve ahora la serie Muse, que no pertenece a la misma familia que Llama. Si existe un nuevo plan de alojamiento de Llama, se rige por la página oficial de Meta.

¿El autohospedaje de Llama es realmente gratis?

La licencia no cobra por token, pero hardware, electricidad, centro de datos, operación y redundancia cuestan dinero. Con uso muy bajo o muy variable, el autohospedaje suele no ser rentable; tiene ventaja cuando los datos no pueden salir, se necesita operación offline o hay una utilización alta y estable de largo plazo.

¿El Llama alojado gratuito es el mismo modelo que la versión de pago?

No necesariamente. La capa gratuita puede ofrecer solo versiones más pequeñas, cuantizadas o instantáneas antiguas, y recortar contexto y funciones. Ríjase por el ID de modelo, el número de versión y la tarjeta oficial que devuelve la interfaz, no solo por el nombre comercial.

¿Por dónde debería empezar un equipo pequeño?

Haga primero una validación de una o dos semanas con poco tráfico en la capa gratuita y, en paralelo, ejecute una línea base local con un modelo de nivel 8B en una GPU o laptop para comparar calidad y latencia. Cuando confirme uso, datos y presupuesto, elija alojamiento de pago o autohospedaje y conserve un canal de respaldo.

Lecturas relacionadas: Qué es una API relay: selección, precios y cumplimiento, Cómo elegir una plataforma de API LLM: lista de compra.