---
title: "Llama API: модели Meta"
description: "Llama по API: Llama 4 Maverick и Scout с картинками на входе и Llama 3.3 70B. Формат OpenAI, оплата в рублях. 3 модели по одному ключу."
url: https://veselo.ai/models/llama
updated: 2026-11-16T15:09:12.644Z
---

# Llama API: модели Meta

Llama — открытые модели Meta, и у нас есть три из них: Llama 4 Maverick, Llama 4 Scout и Llama 3.3 70B. У обеих Llama 4 по 17 млрд активных параметров и картинки на входе, а Scout, по данным Meta, держит до 10 млн токенов контекста. Скачивать веса и искать сервер не нужно: модели работают по нашему ключу, оплата в рублях.

- 3 модели
- от 21,19 ₽ за 1 млн токенов входа
- текст

Обновлено: 16 ноября 2026 г.

[Получить ключ](https://veselo.ai/developer) [Документация](https://veselo.ai/docs/chat)

## Модели и цены

**Цены в рублях за 1 млн токенов**

| Модель | Контекст | Вход | Выход |
| --- | --- | --- | --- |
| [Llama 4 Maverick](https://veselo.ai/models/meta-llama/llama-4-maverick-17b-128e-instruct-fp8) | 1 млн | 26,48 ₽ | 105,91 ₽ |
| [Llama 3.3 70B](https://veselo.ai/models/meta-llama/llama-3.3-70b-instruct) | 128 тыс. | 75,19 ₽ | 75,19 ₽ |
| [Llama 4 Scout](https://veselo.ai/models/meta-llama/llama-4-scout-17b-16e-instruct) | 10 млн | 21,19 ₽ | 82,61 ₽ |

## Как выбрать

Три модели Llama различаются не только размером, но и тем, что они видят и сколько помнят.

- **[Llama 4 Maverick](https://veselo.ai/models/meta-llama/llama-4-maverick-17b-128e-instruct-fp8)** — 400 млрд параметров, 17 млрд активных, 128 экспертов, контекст 1 млн токенов. На входе текст и до пяти картинок, на выходе текст. Наша версия с весами FP8: Meta выпустила Maverick сразу в двух видах, BF16 и FP8, и пишет, что сжатые веса сохраняют качество.
- **[Llama 4 Scout](https://veselo.ai/models/meta-llama/llama-4-scout-17b-16e-instruct)** — 109 млрд параметров, те же 17 млрд активных и 16 экспертов. Контекст, по данным Meta, до 10 млн токенов. Картинки тоже понимает.
- **[Llama 3.3 70B](https://veselo.ai/models/meta-llama/llama-3.3-70b-instruct)** — модель от 6 декабря 2024 года на 70 млрд параметров: только текст, контекст 128 тысяч, вызов инструментов.

Главное, что нужно знать до выбора, — языки. В официальном списке Llama 4 двенадцать языков: арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский и вьетнамский. У Llama 3.3 их восемь. Русского нет ни там, ни там, а понимание картинок Meta заявляет только для английского. Ответить по-русски модель может, но Meta такое качество не обещает. Если основной язык проекта русский, сравни Llama с [другими языковыми моделями](https://veselo.ai/models/llm-api) на своих запросах.

Ещё одна деталь — свежесть знаний. Обучающие данные Llama 4 заканчиваются августом 2024 года, Llama 3.3 — декабрём 2023-го. О событиях позже модель знает только то, что ты передашь в запросе.

Если выбирать по задаче: фото товаров и длинные переписки на английском — Maverick; огромные выгрузки, где важнее объём, чем глубина, — Scout; старый бот на Llama 3 с вызовом функций — Llama 3.3 70B.

## Популярные задачи

### Тексты и ответы на английском

Английский у Llama в официальном списке, поэтому её удобно брать для писем зарубежным клиентам, описаний товаров для иностранных площадок и ответов в англоязычной поддержке. Maverick справится с длинной перепиской целиком, а для коротких писем хватит и Llama 3.3 70B. Задание тоже пиши на английском: так весь запрос остаётся на языке из официального списка Meta.

### Описания к фото товаров

Покажи Maverick до пяти фото одного товара и попроси описание для карточки: материал, цвет, назначение, три коротких преимущества. Учти, что Meta заявляет понимание картинок только на английском, так что и описание проси на английском. Как прикрепить картинки к сообщению, написано в разделе [картинки во входе](https://veselo.ai/docs/vision).

### Огромные журналы и выгрузки

Scout по документации Meta держит до 10 млн токенов. Это тот случай, когда в один запрос помещается выгрузка за долгий срок, а не отдельный кусок. Сколько контекста модель принимает у нас, видно в её карточке, в поле `context_length`: вход вместе с ответом должен уложиться в него.

### Переезд с локальной Llama на API

Если модель сейчас крутится на своём сервере и программа на Python ходит к ней по адресу в формате OpenAI, переезд обычно сводится к двум строкам: новый адрес и ключ. Роли сообщений, параметры и описание функций остаются прежними. Сервер с видеокартой можно выключить и платить только за токены.

### Вызов функций в старом коде на Llama 3

Llama 3.3 70B поддерживает вызов инструментов, а по линейке Llama 3 это самая поздняя модель у нас. Если бот или агент собран на Llama 3, переход на 3.3 70B проходит без смены формата: описание функций передаётся полем `tools` ([вызов инструментов](https://veselo.ai/docs/tools)).

## Как получить ключ Llama API в России

1. На veselo.ai открой [кабинет API](https://veselo.ai/developer) и выпусти ключ. Скопируй его сразу и положи в переменную окружения, а не в код.
2. Деньги на запросы лежат на отдельном API-счёте: открой [кошелёк кабинета](https://veselo.ai/developer/wallet) и заплати картой российского банка или по СБП.
3. В SDK OpenAI для Python задай `base_url="https://veselo.ai/v1"`, ключ и модель, например `meta-llama/llama-3.3-70b-instruct`. Больше ничего менять не нужно.

Запросы с картинками для Llama 4 отправляются так же, как в API OpenAI: картинка лежит в сообщении рядом с текстом.

## Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI. Пример — с моделью Llama 4 Maverick: у других моделей меняется только model.

**curl**

```
curl https://veselo.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta-llama/llama-4-maverick-17b-128e-instruct-fp8",
    "messages": [{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}]
  }'
```

**Python**

```
from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ")

r = client.chat.completions.create(
    model="meta-llama/llama-4-maverick-17b-128e-instruct-fp8",
    messages=[{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}],
)
print(r.choices[0].message.content)
```

**JavaScript**

```
import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ' });

const r = await client.chat.completions.create({
  model: 'meta-llama/llama-4-maverick-17b-128e-instruct-fp8',
  messages: [{ role: 'user', content: 'Привет! Объясни в двух предложениях, что такое API.' }],
});
console.log(r.choices[0].message.content);
```

**В программах:** OpenAI SDK, Cursor и n8n — по адресу и ключу, Claude Code — через формат Anthropic, Claude и ChatGPT — через MCP. [Библиотеки и программы](https://veselo.ai/docs/sdks) · [Claude Code](https://veselo.ai/docs/anthropic) · [MCP](https://veselo.ai/connect)

[Llama 4 Maverick](https://veselo.ai/models/meta-llama/llama-4-maverick-17b-128e-instruct-fp8) · [Документация раздела](https://veselo.ai/docs/chat)

## Версии и отличия

- **Llama 4 и Llama 3.3.** Llama 4 — смеси экспертов с картинками на входе и длинным контекстом. Llama 3.3 70B работает только с текстом, зато её поведение хорошо знакомо тем, кто уже строил ботов на Llama 3.
- **Maverick и Scout.** У Maverick 128 экспертов и миллион токенов контекста, у Scout 16 экспертов и до 10 млн токенов.
- **Что значит FP8 в id.** Это сжатые веса Maverick, которые Meta выпустила вместе с обычными BF16.
- **Чего у нас нет.** Llama 3.1, Llama 3.2 и Code Llama в каталоге не продаются.

## Вопросы и ответы

**Можно ли писать Llama по-русски?**

В официальных списках Meta русского нет: у Llama 4 двенадцать языков, у Llama 3.3 восемь. Модель может ответить по-русски, но Meta за качество такого ответа не ручается. Для проекта на русском сравни Llama с другими моделями на своих запросах.

**Есть ли Llama 3.1 и 3.2?**

Нет. Из линейки Llama 3 у нас есть Llama 3.3 70B, более поздняя версия. Код под Llama 3.1 обычно переносится на неё заменой имени модели.

**Сколько картинок принимает Llama 4?**

По таблице Meta — до пяти картинок в одном запросе, на выходе только текст. Понимание картинок Meta заявляет на английском.

**Можно ли использовать Llama в коммерческом продукте?**

У Llama свои лицензии: Llama 4 Community License Agreement и Llama 3.3 Community License Agreement. Meta называет их отдельными коммерческими лицензиями со своими условиями, прочитай их на странице модели до запуска.

**Какой контекст у Llama 4 Scout на самом деле?**

Meta указывает до 10 млн токенов. У нас же действует предел, записанный в карточке модели: всё отправленное плюс ответ должны в него уложиться. Для длинных запросов ставь `max_tokens`, чтобы удержание на счёте не выросло.

**Maverick или Scout: что взять для чат-бота?**

Maverick крупнее: 400 млрд параметров и 128 экспертов против 109 млрд и 16 у Scout. Зато Scout по данным Meta принимает в десять раз больше контекста. Для бота с обычными вопросами начни с Maverick, а Scout бери, когда в каждый запрос уходят огромные документы.

**Зачем API, если веса Llama можно скачать?**

Maverick весит 400 млрд параметров, и даже в сжатом виде ей нужен сервер с несколькими видеокартами. По API модель отвечает сразу, без железа и настройки, а платишь за токены.

**Нужны ли VPN и зарубежная карта?**

Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.

**Сколько стоит запрос, который закончился ошибкой?**

Нисколько: ошибка нейросети денег не стоит, удержание на время запроса снимается целиком.

## Ещё по теме

- [Чат: сообщения и параметры — документация API](https://veselo.ai/docs/chat)
- [Все модели: языковые модели](https://veselo.ai/models/llm-api)
- [Подключить к Claude и ChatGPT](https://veselo.ai/connect)
- [Все модели и цены](https://veselo.ai/models)

Факты сверены 16 ноября 2026 по документации: [dev.meta.ai](https://dev.meta.ai/llama/docs/model-cards-and-prompt-formats/llama4), [huggingface.co](https://huggingface.co/meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8)
