Llama 4 Maverick

Цена

Текстовый диалог · вход

25,32 ₽ / 1 млн токенов

Текстовый диалог · выход

25,32 ₽ / 1 млн токенов

Текстовый диалог · вход из кэша

25,32 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

Llama 4 Maverick — мультимодальная модель с 17 млрд активных параметров и 128 экспертами. По данным источника, она превосходит GPT-4o и Gemini 2.0 Flash на ряде тестов, а в рассуждениях и программировании сопоставима с DeepSeek v3 при менее чем половине активных параметров. Для экспериментальной чат-версии указан ELO 1417 на LMArena.

Релиз

5 апреля 2025 г.

Характеристики

Тип модели

Текст

Вход модели

Текст, Изображения

Данные, которые модель принимает вместе с запросом.

Выход модели

Текст

Форматы результата, которые создаёт модель.

Контекстное окно

1 048 576 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ

65 536 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции

Текстовый диалог, Понимание изображений

Возможности модели

Потоковый ответ, Понимание изображений, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON, Входные изображения

Контрольные показатели

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "meta/llama-4-maverick",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))

Похожие модели

Загружаем похожие модели…