Сразу к выводу: по состоянию на октябрь 2026 года публичная предварительная версия Llama API под управлением Meta закрыта 6 июля 2026 года. Сегодня «бесплатный Llama» — это в основном два пути: управляемый хостинг и собственное развёртывание. Управляемый делится на бесплатные уровни сторонних платформ, пробные кредиты облаков и пробные предложения китайских шлюзов. Первый вариант быстр в освоении, но упирается в потолок по скорости, данным и стабильности; второй не тарифицирует токены, но требует собственного оборудования, электричества и эксплуатации.

Примечание: Llama и Meta Llama — товарные знаки Meta Platforms, Inc. Статья носит технический характер и не подразумевает аффилированности, агентских, спонсорских или партнёрских отношений с Meta. Лицензии моделей, доступные версии и политика квот могут меняться; ориентируйтесь на официальные страницы Meta и поставщиков.

1. Четыре вида «бесплатного» — не одно и то же

Путь Форма расходов Основные ограничения Подходящий сценарий
Бесплатный уровень стороннего хостинга Суточный или месячный лимит, ограничение скорости; после исчерпания отключение или платный тариф Набор моделей, параллелизм, контекст, условия данных, отсутствие SLA Прототип, внутренний инструмент с низкой нагрузкой, оценка
Пробные кредиты облака Приветственный бонус или лимитированная квота по правилам облака Срок, регион, доступные модели, способ расчёта Короткий POC, проверка интеграции в облаке
Собственный хостинг открытых весов Лицензия не тарифицирует токены, расход переходит в оборудование и персонал Память GPU, электричество, эксплуатация, обязательства лицензии Чувствительные данные, стабильный объём, офлайн или периферия
Пробный уровень китайского AI-шлюза Пробный бонус или небольшое пополнение Модели, квоты и скорость — по странице платформы Команды с расчётами в юанях и единым входом к моделям

Все четыре пути могут называть «бесплатными», но договор, границы данных и риск остановки сервиса у них совершенно разные. Сначала определите, нужна короткая проверка или долгосрочная нагрузка, и только потом обсуждайте цену.

2. Собственный Llama API от Meta закрыт

6 июля 2026 года Meta закрыла публичную предварительную версию Llama API; прежние запросы получают сообщение о прекращении работы и перенаправление. Meta рекомендовала перейти к сторонним поставщикам с поддержкой Llama; её платформа для разработчиков затем сместила фокус на модели серии Muse. Muse и Llama — разные семейства моделей, не смешивайте их при закупке и миграции.

Старые endpoint, preview-ключи и бесплатные квоты Meta Llama API из прежних руководств больше не действуют. Веса Llama по-прежнему доступны со страницы загрузки Meta или из репозитория meta-llama на Hugging Face; перед загрузкой нужно принять соответствующую версию Community License. Поэтому поиск «бесплатный Llama API» в 2026 году в основном приводит на сторонние платформы.

3. Бесплатный хостинг: удобно, но ограничения сосредоточены в пяти местах

  1. Скорость и параллелизм: ограничены запросы в минуту, токены и параллельные вызовы; при превышении обычно возвращается 429, а приоритет бесплатного уровня в пиковые часы ниже платного.
  2. Набор моделей: бесплатный уровень может открывать только младшие модели, квантованные версии или старые снимки; в 2026 году часть провайдеров уже вывела отдельные модели Llama, и список меняется быстро.
  3. Контекст и функции: длинный контекст, мультимодальность, вызов инструментов и структурированный вывод могут быть урезаны; проверяйте каждый пункт.
  4. Условия данных: хранение и обучение на бесплатном уровне часто отличаются от платного и могут разрешать использование для улучшения сервиса; не отправляйте туда данные клиентов, договоры и код.
  5. Обязательства сервиса: обычно нет SLA, компенсаций и стабильных уведомлений о сбоях; обслуживание, лимиты и снятие моделей могут происходить без достаточного предупреждения.

Бесплатный уровень подходит для проверки потребности, но не для продакшена. Любую страницу с обещанием «навсегда бесплатно и без ограничений» стоит заранее считать временной.

4. Собственный хостинг: лицензия бесплатна, ресурсы нет

Llama Community License разрешает коммерческое использование и не тарифицирует токены, но это не нулевая стоимость. Чем больше модель, тем выше требования к видеопамяти, пропускной способности и эксплуатации. Ниже ориентировочные масштабы оборудования; фактически всё зависит от квантования, фреймворка, длины контекста и параллелизма:

  • Уровень 1B–8B: веса в 4-bit занимают примерно 1–6 ГБ; с KV-кэшем и накладными расходами фреймворка можно начать с 8–16 ГБ видеопамяти — подходит для одной карты, ноутбука или периферийного устройства.
  • Уровень 70B: веса в 4-bit — примерно 35–45 ГБ; для длинного контекста и высокой параллельности нужно больше, обычно одна карта от 48 ГБ или несколько карт.
  • Llama 4 Scout: 109 млрд параметров всего, 17 млрд активных; веса в 4-bit — около 55–60 ГБ; заявленный длинный контекст сильно расходует KV-кэш, реальное развёртывание сжимается по параллелизму.
  • Llama 4 Maverick: 400 млрд параметров всего, 17 млрд активных; веса в 4-bit — порядка 200 ГБ, обычно нужен многокарточный сервер.
  • Llama 3.1 405B: веса в BF16 — порядка 800 ГБ, это уровень нескольких машин и карт, не подходит для старта небольшой команды.

У MoE-моделей активных параметров меньше, вычислительная потребность ниже, но все веса всё равно должны помещаться в память: «17B активных» не означает «17 ГБ видеопамяти». В общую стоимость собственного хостинга входят покупка или аренда GPU, электричество, стойки, сеть, хранилище, резервирование, мониторинг, обновления и патчи безопасности. При низкой загрузке собственный сервер часто дороже API с оплатой по расходу.

5. Приватность и комплаенс: собственный хостинг не равен автоматическому комплаенсу

Когда модель работает на собственном сервере, границы данных контролируются лучше, но журналы, мониторинг, резервные копии, удалённая эксплуатация и права аккаунтов всё равно могут вынести данные наружу. При аренде облачных GPU для собственного развёртывания данные также попадают в инфраструктуру облака.

Для бесплатного управляемого уровня важно проверить: используются ли данные для улучшения сервиса, сколько хранятся, есть ли субпроцессоры, в каком регионе лежат данные, как работает удаление. Условия бесплатного уровня часто отличаются от платного; не отправляйте туда тестовые данные, материалы клиентов и код. Китайским командам также нужно оценить путь трансграничной передачи персональных данных. Если речь идёт о персональных данных, важных данных или отраслевом регулировании, сначала получите заключение юристов и службы безопасности, затем выбирайте между хостингом и частным развёртыванием. Политику допустимого использования и торговые ограничения лицензии тоже нужно проверить.

6. Как сравнивать качество: одни веса, разные результаты

Одни и те же веса Llama на разных платформах могут работать по-разному из-за точности квантования, фреймворка, параметров сэмплирования, системного промпта, длины контекста, фильтрации безопасности и версии снимка. Бесплатный хостинг может предоставлять только квантованную или старую версию: на странице написано Llama 4, а фактический ID модели в ответе интерфейса нужно проверять.

Не выбирайте только по рейтингам. Подготовьте 20–50 собственных реальных задач, унифицируйте промпты и критерии оценки, сравните точность, p95 задержки, расход токенов на задачу и долю ручной переработки. Llama 4 Scout и Maverick тяготеют к мультимодальности и длинному контексту, Llama 3.3 70B лучше подходит для текстовых задач; сопоставляйте модель задаче, а не поклоняйтесь числу параметров.

7. Как выбирать: по рабочей нагрузке, а не по цене

Быстро развести варианты поможет набор вопросов:

  1. Могут ли данные попадать к третьей стороне? Если нет — сначала смотрите частное развёртывание.
  2. Трафик стабилен и стоит ли содержать GPU? При низкой нагрузке и сильных колебаниях приоритет — управляемый хостинг.
  3. Нужны длинный контекст, мультимодальность или вызов инструментов? Сначала проверьте, открывает ли их бесплатный уровень.
  4. Допустимы ли 429 и снятие модели? Если нет — готовьте платный уровень или второго поставщика.
  5. Есть ли компетенция в эксплуатации? Если нет — не разворачивайте сами.

Частая комбинация: разработка и оценка на малом трафике — бесплатный хостинг, продакшен — платный хостинг или китайский шлюз, чувствительные модули — отдельное частное развёртывание, плюс резервный канал.

8. Путь от бесплатного к платному

Платный вариант стоит рассматривать при таких сигналах: частые 429, скачки задержки, урезанный контекст или функции, условия данных не проходят проверку, нужны SLA и поддержка по тикетам, нужна стабильная версия модели, нужен счёт в юанях.

Переход не обязательно означает смену поставщика. Можно перейти на оплату по расходу на той же платформе или перенести трафик в облако, к специализированному провайдеру инференса либо в китайский AI-шлюз. ZSQH AI Gateway предоставляет OpenAI-совместимый интерфейс и может служить единым входом к нескольким моделям; модели и цены меняются вслед за поставщиками и версиями, ориентируйтесь на страницу цены на модели; аккаунт можно создать на странице регистрации.

curl -sS "https://ai.zhongshangqihang.com/v1/chat/completions" \
  -H "Authorization: Bearer ваш-ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama-3.3-70b-instruct",
    "messages": [{"role": "user", "content": "В трёх предложениях объясни основные ограничения бесплатного Llama API"}],
    "max_tokens": 256
  }' | python3 -m json.tool

ID модели — по списку моделей платформы; при собственном развёртывании замените адрес на OpenAI-совместимый endpoint vLLM, SGLang или llama.cpp. Продакшен-код должен различать 401, 429 и 5xx: при 401 проверять ключ, при 429 делать выдержку и повтор, при 5xx переключаться на резервный канал.

9. Частые вопросы

Есть ли у Llama бессрочно бесплатный API?

По состоянию на октябрь 2026 года официального бесплатного API Meta Llama, который можно рассматривать как долгосрочное обязательство, нет. Сторонние платформы могут предлагать бесплатный уровень или пробные кредиты, но квоты, скорость и срок действия определяются платформой и могут меняться в любой момент.

Предоставляет ли Meta Llama API до сих пор?

Публичная предварительная версия Llama API от Meta закрыта 6 июля 2026 года; официально рекомендуется перейти к сторонним поставщикам с поддержкой Llama. Сейчас платформа разработчиков Meta продвигает серию Muse, Muse и Llama — разные семейства. Появление новых планов хостинга Llama — по официальной странице Meta.

Собственный хостинг Llama действительно бесплатен?

Лицензия не тарифицирует токены, но оборудование, электричество, дата-центр, эксплуатация и резервирование стоят денег. При малом или сильно колеблющемся расходе собственный хостинг обычно невыгоден; он выигрывает, когда данные не могут покидать контур, нужен офлайн или стабильно высокая загрузка.

На бесплатном хостинге та же модель, что на платном?

Не обязательно. Бесплатный уровень может открывать только младшие модели, квантованные версии или старые снимки, а контекст и функции могут быть урезаны. Ориентируйтесь на ID модели, версию и официальную карточку в ответе интерфейса, а не только на рекламное название.

С чего начать небольшой команде?

Сначала 1–2 недели проверки на бесплатном управляемом уровне, параллельно запустите локальную базовую линию на модели уровня 8B на одной карте или ноутбуке и сравните качество и задержку. Когда появятся подтверждённые расход, данные и бюджет, выбирайте платный хостинг или собственное развёртывание и сохраните резервный канал.

Связанные материалы: цены и биллинг DeepSeek API, бесплатный DeepSeek API и его ограничения, бесплатный GLM API и его ограничения.