---
title: "Llama 4 Maverick по API"
description: "Открытая модель Meta: 12 языков, картинки на входе, окно до 1 млн токенов. Смесь экспертов: 17 млрд активных параметров из 400 млрд."
url: https://veselo.ai/models/meta-llama/llama-4-maverick-17b-128e-instruct-fp8
updated: 2026-11-16T15:09:12.644Z
---

# Llama 4 Maverick по API

Llama 4 Maverick — открытая модель Meta из семьи Llama 4, вышла в апреле 2025 года. Она читает текст и картинки, официально знает 12 языков и держит в одном запросе до 1 000 000 токенов. Внутри — смесь из 128 экспертов: на каждый токен работают 17 млрд параметров из 400 млрд. Доступ — по API в формате OpenAI, оплата в рублях, VPN не нужен.

- **26,48 ₽ / 105,91 ₽ за 1 млн токенов**
- контекст 1 млн
- текст и картинки → текст

`meta-llama/llama-4-maverick-17b-128e-instruct-fp8`

Обновлено: 16 ноября 2026 г.

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

## Попробовать Llama 4 Maverick

Отправь вопрос — модель ответит текстом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

**Пример запроса:** «Придумай слоган и три коротких описания для витрины магазина спортивной одежды к зимнему сезону. Ответь на английском и на испанском.»

В ответ приходит текст в choices[0].message.content и цена ответа в usage.cost_rub.

## Цены Llama 4 Maverick в рублях

| Вход — твой запрос | 26,48 ₽ за 1 млн токенов |
| --- | --- |
| Выход — ответ модели | 105,91 ₽ за 1 млн токенов |

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. [Как считается цена](https://veselo.ai/docs/pricing)

### Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

| Тексты для витрины на нескольких языках: запрос на 200 токенов, ответ на 600 | Около 0,07 ₽ |
| --- | --- |
| Описания товаров по фото для зарубежной площадки: три фото и запрос на 5 000 токенов, ответ на 400 | Около 0,18 ₽ |
| Ответы гостям на их языке: 500 писем по 1 500 токенов входа и 200 выхода | Около 30,46 ₽ |
| Что на графике: разбор скриншота дашборда: скриншот и вопрос на 2 000 токенов, ответ на 300 | Около 0,09 ₽ |
| Справка по полной документации продукта: документация на 200 000 токенов, ответ на 500 | Около 5,35 ₽ |

## Что умеет Llama 4 Maverick

- Держит в одном запросе до 1 000 000 токенов.
- Принимает картинки: Meta проверяла модель на запросах до пяти картинок, а понимание картинок заявлено на английском.
- Официально поддерживает 12 языков, список — в характеристиках ниже. При обучении модель видела около 200 языков.
- Смесь из 128 экспертов: на токен работают 17 млрд параметров из 400 млрд.
- Знания — до августа 2024 года.
- Версия FP8: по словам Meta, такие веса помещаются на один сервер H100 DGX и сохраняют качество.

## Где применять

### Тексты для витрины на нескольких языках

Магазину с покупателями из разных стран нужны тексты сразу на языке покупателя, а не перевод с русского. Llama 4 Maverick пишет слоганы, описания и подписи на английском, испанском, португальском и ещё девяти официальных языках. Задай тон и длину заранее: «три описания по 15 слов, без восклицательных знаков». Перед печатью текст всё равно должен вычитать носитель языка, как и любой перевод на витрину.

**Пример запроса:** «Придумай слоган и три описания по 15 слов для витрины магазина спортивной одежды к зиме. Ответь на английском и на испанском».

**Стоимость:** запрос на 200 токенов, ответ на 600 — около 0,07 ₽.

### Описания товаров по фото для зарубежной площадки

Модель смотрит на фотографию товара и пишет карточку: название, материал, цвет, для чего подходит. Понимание картинок у Llama 4 Meta заявляет на английском, поэтому и вопрос, и ответ держи на нём, а перевод делай вторым запросом. Пять фото одного товара — потолок, на котором Meta проверяла модель. Попроси не вписывать в карточку то, чего не видно на фото и нет в твоём описании: состав ткани по картинке не определить.

**Пример запроса:** «Describe this jacket for a marketplace listing: title up to 60 characters, 5 bullet points, materials only if visible on the label».

**Стоимость:** три фото и запрос на 5 000 токенов, ответ на 400 — около 0,18 ₽.

### Ответы гостям на их языке

Гостиница во Вьетнаме или Таиланде получает письма на вьетнамском, тайском и английском — все три языка Llama 4 Maverick поддерживает официально, как и индонезийский, тагальский, хинди и арабский. Модель отвечает на языке письма, если сказать об этом в системной инструкции: Meta сама советует прописывать там язык ответа. Шаблон с правилами отеля — поздний выезд, трансфер, завтраки — положи в начало запроса, и ответы будут с одними и теми же условиями.

**Пример запроса:** «Ответь гостю на его языке: вежливо, в трёх предложениях, предложи поздний выезд за доплату. Письмо гостя: …».

**Стоимость:** 500 писем по 1 500 токенов входа и 200 выхода — около 30,46 ₽.

### Что на графике: разбор скриншота дашборда

Скриншот отчёта из системы аналитики можно отправить модели и спросить по-английски: где провал, что выросло, какие подписи не сходятся. Meta относит к задачам модели распознавание, рассуждение по картинке и ответы на вопросы о ней. Точные значения бери из самой выгрузки, а модель пусть объясняет форму графика и подсказывает, куда смотреть дальше. Для серии отчётов отправляй скриншоты в одном формате — так ответы проще сравнивать между собой.

**Пример запроса:** «Look at this sales dashboard screenshot. Which week had the biggest drop, and which product line caused it?».

**Стоимость:** скриншот и вопрос на 2 000 токенов, ответ на 300 — около 0,09 ₽.

### Справка по полной документации продукта

По документации Meta окно у модели — 1 000 000 токенов: в него помещается вся документация продукта, и отвечать пользователям можно без отдельной базы для поиска. Самый большой свой запрос сначала отправь один раз на пробу — если окно окажется меньше, придёт ошибка без списания. Попроси модель называть раздел, из которого взят ответ, и честно говорить «в документации этого нет». Так меньше выдуманных инструкций и проще находить дыры в самой справке. Документацию держи в начале запроса, а вопрос — в конце, и обновляй её в запросе в тот же день, когда меняется продукт.

**Пример запроса:** «Вот документация сервиса. Ответь пользователю, как настроить двухфакторный вход, и укажи раздел, откуда взят ответ».

**Стоимость:** документация на 200 000 токенов, ответ на 500 — около 5,35 ₽.

### Разметка отзывов по тональности

Тысячи отзывов на английском и испанском можно прогнать через модель и получить для каждого тональность, тему и короткую причину. Проси ответ строгим JSON с заданными полями и проверяй его в коде: строку, которая не разобралась, проще отправить ещё раз, чем чинить руками. Список тем задай заранее, иначе модель придумает свой на каждую сотню отзывов. Для отчёта хватит доли каждой темы и трёх цитат.

**Пример запроса:** «Для каждого отзыва ответь JSON: sentiment (positive, neutral или negative), topic, reason до 10 слов».

**Стоимость:** 1 000 отзывов по 300 токенов входа и 60 выхода — около 14,30 ₽.

## Как писать запрос

- Роль и язык ответа задавай в системном сообщении. Meta называет Llama 4 послушной инструкциям и пишет, что хорошая системная подсказка убирает лишние отказы и нравоучительный тон.
- Вопросы о картинках пиши по-английски, даже если ответ нужен на другом языке: понимание картинок Meta заявляет только на нём.
- Картинку отправляй частью `content`, как показано в разделе [Картинки во входе](https://veselo.ai/docs/vision). Больше пяти картинок в один запрос не клади: дальше Meta модель не проверяла.

## Характеристики

| Разработчик | Meta Llama |
| --- | --- |
| Вид | Текст |
| Контекст | 1 000 000 токенов |
| Вход → выход | текст и картинки → текст |
| id для запроса | `meta-llama/llama-4-maverick-17b-128e-instruct-fp8` |

- **Языки:** арабский, английский, вьетнамский, индонезийский, испанский, итальянский, немецкий, португальский, тагальский, тайский, французский и хинди; картинки — на английском ([документация](https://dev.meta.ai/llama/docs/model-cards-and-prompt-formats/llama4)).
- **Знания до:** август 2024 года ([карточка модели](https://huggingface.co/meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8)).
- **Лицензия:** Llama 4 Community License — открытые веса с условиями для крупных компаний ([карточка модели](https://huggingface.co/meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8)).

## Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — `POST https://veselo.ai/v1/chat/completions` с полем `model`: `meta-llama/llama-4-maverick-17b-128e-instruct-fp8`, ключ — в заголовке `Authorization: Bearer sk-vsl-…`.

**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);
```

### Пример ответа — только поля

```
{
  "id": "chatcmpl-…",
  "model": "…",
  "choices": [{ "message": { "role": "assistant", "content": "…" } }],
  "usage": { "prompt_tokens": …, "completion_tokens": …, "cost_rub": … }
}
```

**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)

[Документация раздела](https://veselo.ai/docs/chat)

## Сравнение с похожими

| Модель | Цена | Главное | Когда выбрать |
| --- | --- | --- | --- |
| **Llama 4 Maverick** — эта модель | 26,48 ₽ / 105,91 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | тексты на 12 языках и вопросы по картинкам, когда нужна открытая модель Meta |
| [Llama 4 Scout](https://veselo.ai/models/meta-llama/llama-4-scout-17b-16e-instruct) — Meta Llama | 21,19 ₽ / 82,61 ₽ (вход / выход за 1 млн токенов) | контекст 10 млн | сводки и разбор длинных текстов, подписи к картинкам на английском |
| [Llama 3.3 70B](https://veselo.ai/models/meta-llama/llama-3.3-70b-instruct) — Meta Llama | 75,19 ₽ / 75,19 ₽ (вход / выход за 1 млн токенов) | контекст 128 тыс. | перевод и локализация на восемь языков Meta, чат-боты и синтетические данные |
| [Qwen3.5 397B-A17B](https://veselo.ai/models/qwen/qwen3.5-397b-a17b) — Qwen (Alibaba) | 63,55 ₽ / 381,25 ₽ (вход / выход за 1 млн токенов) | контекст 262 тыс. | объяснения, рассуждения и ответы на многих языках от крупной открытой модели |
| [DeepSeek V4 Flash](https://veselo.ai/models/deepseek/deepseek-v4-flash) — DeepSeek | 14,83 ₽ / 29,66 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | массовые текстовые задачи без картинок: перевод, разметка, короткие ответы |
| [Qwen3.6 27B](https://veselo.ai/models/qwen/qwen3.6-27b) — Qwen (Alibaba) | 63,55 ₽ / 63,55 ₽ (вход / выход за 1 млн токенов) | контекст 262 тыс. | исправление ошибок, SQL и скрипты на каждый день, помощник в редакторе кода |

- [**Llama 4 Scout**](https://veselo.ai/models/meta-llama/llama-4-scout-17b-16e-instruct) — дешевле и с заявленным окном до 10 млн токенов, для сводок и сортировки больших объёмов текста.
- [**Llama 3.3 70B**](https://veselo.ai/models/meta-llama/llama-3.3-70b-instruct) — если картинки не нужны, а важны плотная модель и её восемь языков.
- [**Qwen3.5 397B-A17B**](https://veselo.ai/models/qwen/qwen3.5-397b-a17b) — открытая модель Qwen тоже с 17 млрд активных параметров и картинками на входе; второй вендор для сверки ответов.
- [**DeepSeek V4 Flash**](https://veselo.ai/models/deepseek/deepseek-v4-flash) — для чистого текста: выход у неё в разы дешевле.

## Версии и отличия

В семье Llama 4 две модели. [Llama 4 Scout](https://veselo.ai/models/meta-llama/llama-4-scout-17b-16e-instruct) — младшая: те же 17 млрд активных параметров, но 16 экспертов и 109 млрд всего, зато окно по заявке Meta — до 10 млн токенов. Maverick крупнее: 128 экспертов и 400 млрд параметров. Meta выпустила её в двух вариантах весов, BF16 и FP8; у нас — FP8. Предыдущее поколение — плотная текстовая [Llama 3.3 70B](https://veselo.ai/models/meta-llama/llama-3.3-70b-instruct), без картинок. Llama 3.1 и 3.2 по нашему API не продаются. Все модели Meta собраны на странице [Llama API](https://veselo.ai/models/llama).

## Подробно о Llama 4 Maverick

Meta выпустила Llama 4 5 апреля 2025 года сразу двумя моделями, Scout и Maverick. Обе построены как смесь экспертов с ранним слиянием: текст и картинки модель учили понимать вместе, с самого начала, а не прикручивали зрение к готовой текстовой сети. Картинки при обработке режутся на плитки 336 на 336 точек плюс одна общая плитка, а специальные метки в подсказке расставляются сами.

Maverick училась примерно на 22 трлн токенов текста и картинок: открытые данные, данные по лицензиям и данные продуктов Meta, включая открытые посты в Instagram и Facebook и разговоры людей с Meta AI. На её обучение ушло около 2,38 млн часов работы видеокарт H100, а на обе модели семьи — 7,38 млн. Все опубликованные результаты тестов Meta получила на весах BF16, а у нас работает FP8, поэтому цифры из карточки — ориентир, а не обещание. Знания заканчиваются августом 2024 года — модель статичная и сама не обновляется.

Для чего она, Meta пишет прямо: чат в роли ассистента, рассуждения по картинкам, распознавание и подписи к ним, ответы на вопросы о картинке. Ответы модели разрешено использовать для синтетических данных и обучения других моделей. Вне задач модели Meta называет языки и возможности, которых нет в официальном списке: дообучить её под другой язык можно, но отвечает за результат уже разработчик.

Лицензия — Llama 4 Community License. Коммерческое использование разрешено, компаниям больше чем с 700 млн пользователей в месяц нужна отдельная лицензия Meta. Кто распространяет модель или продукт с ней, пишет «Built with Llama» и соблюдает правила допустимого использования. Для безопасности Meta советует ставить рядом свои защитные модели Llama Guard и Prompt Guard и проверять каждое приложение отдельно.

## Как устроен доступ

Весело — не разработчик Llama 4 Maverick: модель выпускает Meta Llama. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. [Данные и приватность](https://veselo.ai/docs/privacy)

## Вопросы и ответы

**Знает ли Llama 4 Maverick русский язык?**

Русского нет среди 12 языков, которые Meta поддерживает официально. При обучении модель видела около 200 языков, но за качество на остальных Meta не ручается. Для текстов на русском проверь её на своих примерах или посмотри другие модели в разделе [LLM API](https://veselo.ai/models/llm-api).

**Сколько картинок можно отправить в одном запросе?**

Meta проверяла модель на запросах до пяти картинок и пишет, что дальше разработчик проверяет сам. У нас весь запрос — до 25 МБ. Каждая картинка стоит токенов входа, а точное число придёт в `usage.prompt_tokens`.

**Что значит FP8 в названии модели?**

Это формат весов: 8 бит на число вместо 16 в исходной версии BF16. Meta выпустила оба варианта и пишет, что FP8 помещается на один сервер H100 DGX без потери качества. В запросах разницы нет, просто id модели длиннее.

**Можно ли использовать Llama 4 в коммерческом продукте?**

Да, Llama 4 Community License это разрешает. Если у компании больше 700 млн пользователей в месяц, лицензию надо отдельно просить у Meta. Модели, обученные на ответах Llama и выпущенные наружу, должны начинать имя со слова «Llama», а продукт с самой моделью — показывать «Built with Llama».

**Почему Llama 4 не знает новостей 2025 года?**

Её знания заканчиваются августом 2024 года: модель обучена на данных до этой даты и сама по себе не обновляется. Свежие факты передавай в запросе — например, текст новости или выгрузку из своей базы.

**Что будет, если запрос закончится ошибкой?**

Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.

**Есть ли подписка или абонентская плата?**

Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.

**Сколько запросов можно отправлять?**

До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.

## Ещё по теме

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

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