Kvantora.ai
ВойтиНачать работу
К результатам поиска

Meta

Llama 4 Scout 17B 16e Instruct

Llama 4 Scout 17B 16e Instruct. Разработчик: Meta. Входные данные: текст, изображения. Результат: текст. Назначение: текстовый диалог, понимание изображений. Контекстное окно: 131 000 токенов.

  • Понимание изображенийПонимание изображенийМодель умеет разбирать содержимое изображений.
  • Вызов инструментовВызов инструментовМодель может запросить вызов функции. Приложение проверяет права и выполняет действие.
  • 131 000 токенов131 000 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
Вход
11,14 ₽
Выход
41,78 ₽
Кэш
11,14 ₽
за 1 млн токенов
Подключить APIОткрыть в студии
API ID
meta/llama-4-scout-17b-16e-instruct

Данные каталога получены .

Цена

Текстовый диалог · вход
11,14 ₽ / 1 млн токенов
Текстовый диалог · выход
41,78 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
11,14 ₽ / 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 Scout 17B 16e Instruct. Разработчик: Meta. Входные данные: текст, изображения. Результат: текст. Назначение: текстовый диалог, понимание изображений. Контекстное окно: 131 000 токенов.

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
131 000 токенов

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

Операции
Текстовый диалог, Понимание изображений
Возможности модели
Потоковый ответ, Понимание изображений, Вызов инструментов, Вызов функций, Входные изображения

Контрольные показатели

Для этой версии модели оценок пока нет.

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-scout-17b-16e-instruct",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ