Quotas gratuits de Llama : hébergement gratuit ou auto-hébergement (2026)

Commençons par la conclusion : en octobre 2026, la préversion publique de l'API Llama hébergée par Meta a été retirée le 6 juillet 2026. Parler aujourd'hui de « quota gratuit Llama » renvoie principalement à deux voies : l'hébergement et l'auto-hébergement. L'hébergement se subdivise en offres gratuites de tiers, crédits d'essai de plateformes cloud et essais de passerelles nationales. La première voie est rapide à démarrer, mais le débit, les données et la stabilité ont des plafonds ; la seconde ne facture pas au token selon la licence, mais le matériel, l'électricité et l'exploitation restent à votre charge.

Remarque : Llama et Meta Llama sont des marques de Meta Platforms, Inc. Cet article est purement technique et n'implique aucune affiliation, relation d'agence, parrainage ou approbation avec Meta. Les licences, modèles disponibles et politiques de quota peuvent évoluer ; référez-vous aux pages officielles de Meta et de chaque fournisseur.

1. Quatre « gratuités » qui n'ont rien à voir

Voie	Forme du coût	Principales limites	Scénario adapté
Offre gratuite d'un hébergeur tiers	Quota journalier ou mensuel, débit limité, arrêt ou passage payant au-delà	Périmètre de modèles, concurrence, contexte, clauses de données, absence de SLA	Prototypes, outils internes à faible concurrence, évaluations
Crédits d'essai cloud	Crédit de bienvenue ou quota limité dans le temps, selon les règles du cloud	Durée, région, modèles disponibles, mode de règlement	POC court, validation d'intégration cloud
Auto-hébergement de poids ouverts	Licence sans facturation au token, coût transféré au matériel et au personnel	Mémoire GPU, électricité, exploitation, obligations de licence	Données sensibles, usage stable, hors ligne ou périphérie
Essai d'une passerelle IA nationale	Crédit d'essai ou petit rechargement	Modèles, quota et débit selon la page de la plateforme	Équipes ayant besoin d'une facture en yuans et d'une entrée multi-modèles unifiée

Les quatre voies peuvent être qualifiées de « gratuites », mais les contrats, frontières de données et risques d'arrêt diffèrent totalement. Déterminez d'abord s'il s'agit d'une validation courte ou d'une charge durable, puis parlez de prix.

2. L'API Llama de Meta n'est plus disponible

Le 6 juillet 2026, Meta a fermé la préversion publique de l'API Llama ; les requêtes existantes reçoivent un message d'arrêt et une redirection. Meta recommande de migrer vers des fournisseurs tiers prenant en charge Llama ; sa plateforme développeur s'est ensuite recentrée sur la série Muse. Muse et Llama ne sont pas la même famille de modèles : ne les mélangez pas lors d'un achat ou d'une migration.

Les points d'entrée, clés de préversion et quotas gratuits des anciens tutoriels ne s'appliquent plus. Les poids Llama restent téléchargeables depuis la page de Meta ou le dépôt meta-llama de Hugging Face, après acceptation de la licence communautaire de la version concernée. En 2026, une recherche « API Llama gratuite » renvoie donc surtout des plateformes tierces.

3. Hébergement gratuit : pratique, mais cinq limites

Débit et concurrence : requêtes par minute, tokens et concurrence sont plafonnés, avec un 429 au dépassement ; en période de pointe, l'offre gratuite est généralement moins prioritaire que le payant.
Périmètre de modèles : l'offre gratuite peut ne proposer que de petits modèles, des versions quantifiées ou d'anciens instantanés ; en 2026, certains fournisseurs ont retiré des modèles Llama, et la liste gratuite change vite.
Contexte et fonctionnalités : contexte long, multimodal, appels d'outils et sorties structurées peuvent être réduits ; validez chaque point.
Clauses de données : la conservation et les règles d'entraînement de l'offre gratuite diffèrent souvent du payant, avec un possible usage pour l'amélioration du service ; n'y envoyez pas directement des données clients, des contrats ou du code.
Niveau de service : souvent pas de SLA, d'indemnisation ni de notification stable d'incident ; maintenance, limitation et retrait de modèle peuvent être annoncés trop tard.

L'offre gratuite convient à la validation d'un besoin, pas à la production. Toute page promettant un « gratuit à vie, appels illimités » doit être supposée susceptible de changer à tout moment.

4. Auto-hébergement : licence gratuite, ressources payantes

La licence communautaire Llama autorise l'usage commercial et ne facture pas au token, mais elle n'est pas gratuite en pratique. Plus les poids sont grands, plus la mémoire GPU, la bande passante et l'exploitation augmentent. Voici des ordres de grandeur, à ajuster selon la quantification, le framework, le contexte et la concurrence mesurée :

1B–8B : poids en 4 bits d'environ 1 à 6 Go ; avec le cache KV et le framework, 8 à 16 Go de mémoire GPU suffisent pour démarrer, sur une carte, un ordinateur portable ou un appareil en périphérie.
70B : poids en 4 bits d'environ 35 à 45 Go ; le contexte long et la forte concurrence demandent plus, généralement une carte de 48 Go ou plus, ou plusieurs cartes.
Llama 4 Scout : 109B de paramètres totaux, 17B actifs, poids en 4 bits d'environ 55 à 60 Go ; le contexte long annoncé consomme beaucoup de cache KV, le déploiement réel doit réduire la concurrence.
Llama 4 Maverick : 400B de paramètres totaux, 17B actifs, poids en 4 bits de l'ordre de 200 Go, généralement plusieurs cartes sur un serveur.
Llama 3.1 405B : poids BF16 de l'ordre de 800 Go, relève du multi-machine multi-carte et ne convient pas à une petite équipe qui démarre.

Les modèles MoE ont peu de paramètres actifs et une demande de calcul plus faible, mais tous les poids doivent tenir en mémoire : « 17B actifs » ne signifie pas « 17 Go de mémoire ». Le coût total inclut achat ou location de GPU, électricité, baie, réseau, stockage, redondance, supervision, mises à jour et correctifs. À faible utilisation, l'auto-hébergement coûte souvent plus cher qu'une API à l'usage.

5. Confidentialité et conformité : auto-héberger ne rend pas conforme

Faire tourner le modèle sur vos serveurs rend la frontière de données plus contrôlable, mais journaux, supervision, sauvegardes, exploitation à distance et droits de compte peuvent encore faire sortir des données. Louer des GPU cloud pour l'auto-hébergement revient au même : les données entrent dans l'infrastructure du fournisseur cloud.

Pour une offre gratuite hébergée, vérifiez : usage pour l'amélioration du service, durée de conservation, sous-traitants, région de stockage, mécanisme de suppression. Les clauses de données de l'offre gratuite diffèrent souvent du payant ; n'y envoyez pas directement des données de test, des documents clients ou du code. Les équipes en Chine doivent aussi évaluer le transfert transfrontalier de données personnelles. Pour des données personnelles, importantes ou régulées, faites valider par le juridique et la sécurité avant de choisir hébergement ou déploiement privé. La politique d'usage acceptable et les clauses de conformité commerciale de la licence doivent aussi être examinées.

6. Comment comparer la qualité : mêmes poids, résultats différents

Un même poids Llama peut se comporter différemment selon la plateforme : quantification, framework d'inférence, paramètres d'échantillonnage, prompt système, longueur de contexte, filtrage de sécurité et version de l'instantané. Un hébergement gratuit peut ne fournir qu'une version quantifiée ou ancienne : la page annonce Llama 4, mais l'identifiant réellement renvoyé par l'interface fait foi.

Ne choisissez pas sur un classement. Préparez 20 à 50 tâches réelles, avec prompt et grille de notation identiques, et comparez taux de réussite, latence p95, tokens consommés par tâche et taux de reprise humaine. Llama 4 Scout et Maverick sont orientés multimodal et contexte long ; Llama 3.3 70B convient mieux aux tâches intensives en texte. Faites correspondre le modèle à la tâche, pas au nombre de paramètres.

7. Comment choisir : par charge de travail, pas par prix

Cinq questions permettent de s'orienter rapidement :

Les données peuvent-elles entrer chez un tiers ? Sinon, examinez d'abord le déploiement privé.
Le trafic est-il stable et justifie-t-il d'entretenir des GPU ? À faible concurrence et forte variabilité, privilégiez l'hébergement.
Avez-vous besoin de contexte long, de multimodal ou d'appels d'outils ? Vérifiez d'abord si l'offre gratuite les ouvre.
Pouvez-vous tolérer des 429 et des retraits de modèles ? Sinon, prévoyez une offre payante ou un second fournisseur.
Disposez-vous d'une capacité d'exploitation ? Sans elle, évitez l'auto-hébergement.

Une combinaison courante : hébergement gratuit pour le développement et les évaluations à faible volume, hébergement payant ou passerelle nationale en production, déploiement privé pour les modules sensibles, et un canal de secours conservé.

8. Passer du gratuit au payant

Ces signaux indiquent qu'il faut passer au payant : 429 fréquents, latence instable, contexte ou fonctionnalités réduits, clauses de données non validables, besoin de SLA et de support par ticket, besoin d'une version de modèle stable, besoin d'une facture en yuans.

Le passage au payant n'implique pas forcément de changer de fournisseur. Vous pouvez basculer l'offre existante en paiement à l'usage, ou déplacer le trafic vers un hébergement cloud, un fournisseur d'inférence spécialisé ou une passerelle IA nationale. ZSQH AI Gateway fournit une interface compatible OpenAI et peut servir d'entrée unifiée multi-modèles ; les modèles et prix évoluent selon les fournisseurs et les versions, et font foi sur la page Tarifs des modèles. Pour un compte, inscrivez-vous directement.

curl -sS "https://ai.zhongshangqihang.com/v1/chat/completions" \
  -H "Authorization: Bearer votre_clé" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama-3.3-70b-instruct",
    "messages": [{"role": "user", "content": "Expliquez en trois phrases les principales limites d'une API Llama gratuite"}],
    "max_tokens": 256
  }' | python3 -m json.tool

L'identifiant de modèle suit la liste de la plateforme ; en auto-hébergement, remplacez l'adresse par le point d'entrée compatible OpenAI exposé par vLLM, SGLang ou llama.cpp. Le code de production doit distinguer 401, 429 et 5xx : 401 oriente vers la clé, 429 vers un backoff, 5xx vers le canal de secours.

Questions fréquentes

Existe-t-il une API Llama gratuite à vie ?

En octobre 2026, il n'existe pas d'API Llama gratuite de Meta susceptible d'être considérée comme un engagement de long terme. Des plateformes tierces peuvent proposer une offre gratuite ou des crédits d'essai, mais quota, débit et durée sont fixés par chacune et peuvent changer à tout moment.

Meta propose-t-il encore une API Llama ?

La préversion publique de l'API Llama de Meta a été retirée le 6 juillet 2026, et Meta recommande de migrer vers des fournisseurs tiers. La plateforme développeur met actuellement en avant la série Muse, qui n'appartient pas à la même famille que Llama. L'existence d'un nouveau programme d'hébergement Llama dépend des pages officielles de Meta.

L'auto-hébergement de Llama est-il vraiment gratuit ?

La licence ne facture pas au token, mais le matériel, l'électricité, la salle machine, l'exploitation et la redondance coûtent. Pour un usage très faible ou très variable, l'auto-hébergement est généralement peu rentable ; il devient avantageux quand les données ne peuvent pas sortir, qu'un fonctionnement hors ligne est requis ou que l'utilisation est stable et élevée.

Le Llama d'une offre gratuite est-il le même modèle que la version payante ?

Pas nécessairement. L'offre gratuite peut ne proposer que des modèles plus petits, quantifiés ou d'anciens instantanés, avec un contexte et des fonctionnalités réduits. Fiez-vous à l'identifiant de modèle et à la version renvoyés par l'interface, ainsi qu'à la fiche modèle officielle, pas au seul nom marketing.

Par où une petite équipe devrait-elle commencer ?

Commencez par une validation de 1 à 2 semaines à faible volume sur une offre gratuite, en exécutant en parallèle une base locale avec un modèle de niveau 8B sur une carte ou un ordinateur portable, pour comparer qualité et latence. Une fois l'usage, les données et le budget confirmés, choisissez l'hébergement payant ou l'auto-hébergement, en conservant un canal de secours.