We gebruiken cookies. Cookies en browseropslag houden je ingelogd en onthouden je voorkeuren. Met je toestemming meten we ook hoe de site wordt gebruikt. Je kunt je wanneer je wilt. Zie ons cookiebeleid.
Meta: Llama 3.2 1B Instruct
meta-llama/llama-3.2-1b-instructProbeer Meta: Llama 3.2 1B Instruct nu
Draait op je saldo tegen de prijzen hierboven. Nieuwe accounts beginnen met gratis gebruik.
Eén API. Elk model.
Sessiekosten US$ 0,00
Instellingen
Geavanceerde parameters
Meta: Llama 3.2 1B Instruct in het kort
- De invoerprijs is 94% lager dan de mediaan van 434 Tekst-modellen.
- Contextvenster van 60.000 tokens, genoeg voor lange documenten en gesprekken met veel beurten.
- Een gangbaar verzoek (1,000 invoer- / 500 uitvoertokens) kost ongeveer US$ 0,000446.
Over Meta: Llama 3.2 1B Instruct
Meta: Llama 3.2 1B Instruct is een tekstgeneratiemodel van Meta, onderdeel van de Llama 3.2-familie. Het is een op instructies afgestemd model met 1 miljard parameters, een bewust kleine omvang die Meta positioneert rond het efficiënt uitvoeren van natuurlijke taal taken. Meta bracht het uit op 25 september 2024, en de kennisafsluitdatum is 31 december 2023, dus alles wat na die datum is gebeurd valt buiten wat het model tijdens training heeft geleerd.
Het model werkt alleen met tekst, zowel bij invoer als uitvoer. Het accepteert een prompt en retourneert gegenereerde tekst, met een contextvenster van 60.000 tokens en een maximale uitvoer van 54.000 tokens. Die combinatie geeft je een behoorlijk grote werkruimte voor een model van deze omvang, genoeg om lange documenten of uitgebreide gesprekken in één verzoek te passen. Meta beschrijft de focus als samenvatting, dialoog en meertalige tekstanalyse, wat weerspiegelt op wat voor soort taken de instructieafstemming is gericht.
Die capaciteiten wijzen op een praktische set toepassingen. Samenvatting is een natuurlijke fit: voer een artikel, een rapport of een thread in en vraag om een kortere versie. Dialoog dekt chat-achtige assistenten, vraagbeantwoording en eenvoudige gespreksstromen waarbij het model instructies moet volgen en een consistente toon moet aanhouden. Meertalige tekstanalyse betekent classificatie, extractie of lichte transformatie van tekst in verschillende talen. Omdat het model klein is, is het ook geschikt voor taken met een hoog volume en lage complexiteit, waarbij je snelle reacties wilt op eenvoudige prompts in plaats van diepgaand redeneren.
Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "meta-llama/llama-3.2-1b-instruct". Omdat de interface het OpenAI-formaat volgt, werken bestaande OpenAI-clientbibliotheken en verzoekstructuren met alleen het model-id en de base URL aangepast. De verzoekparameters die het ondersteunt zijn frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, seed, stop, temperature, top_k en top_p. Dat dekt de gebruikelijke sampling-besturing, plus seed voor reproduceerbare uitvoer en repetition_penalty voor het beteugelen van lussen in langere generaties.
Het belangrijkste om af te wegen is schaal. Een model met 1 miljard parameters is gebouwd voor efficiëntie, niet voor de moeilijkste redeneringen of het meest genuanceerde langere schrijfwerk. Als je taak complexe logica in meerdere stappen, diepgaande domeinkennis of zeer betrouwbaar volgen van instructies bij dubbelzinnige prompts vereist, zal een groter model in de Llama-familie of een andere aanbieder je meestal beter van dienst zijn. Als je taak samenvatting, dialoog of meertalige tekstverwerking op volume is, is dit model een redelijke standaard om eerst te testen.
Zo roep je de Meta: Llama 3.2 1B Instruct API aan
- Maak een API-key aan in je dashboard.
- Installeer de officiële openai SDK voor je taal.
- Stel baseURL in op https://api14.com/api/v1 en model op "meta-llama/llama-3.2-1b-instruct".
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "meta-llama/llama-3.2-1b-instruct",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Ondersteunde parameters
frequency_penaltylogit_biasmax_tokensmin_ppresence_penaltyrepetition_penaltyseedstoptemperaturetop_ktop_pSpecificaties
- Contextlengte
- 60.000
- Max. uitvoer
- 54.000
- Invoer
- text
- Uitvoer
- text
- Kennisgrens
- 2023-12-31
Verzoeken op api14 · afgelopen 7 dagen
Meta: Llama 3.2 1B Instruct: veelgestelde vragen
- Wat kost de Meta: Llama 3.2 1B Instruct API?
- Meta: Llama 3.2 1B Instruct kost Invoer US$ 0,09 / 1M tokens. Er wordt alleen voor geslaagde verzoeken van je USD-saldo afgeschreven; mislukte verzoeken zijn gratis.
- Hoe groot is het contextvenster van Meta: Llama 3.2 1B Instruct?
- Meta: Llama 3.2 1B Instruct leest tot 60.000 tokens per verzoek, prompt, geschiedenis en documenten samen. Het schrijft tot 54.000 outputtokens per antwoord.
- Wat kan Meta: Llama 3.2 1B Instruct?
- Meta: Llama 3.2 1B Instruct accepteert text en geeft text terug.
- Hoe roep ik Meta: Llama 3.2 1B Instruct aan vanuit mijn code?
- Richt een willekeurige OpenAI SDK op https://api14.com/api/v1 en zet het model op "meta-llama/llama-3.2-1b-instruct", verder geen codewijzigingen. Kopieer een kant-en-klaar voorbeeld uit het codepaneel op deze pagina.
- Wat zijn alternatieven voor Meta: Llama 3.2 1B Instruct?
- Vergelijkbare modellen in Tekst met een vergelijkbare prijs: Z.ai: GLM 5.3 Flash (batch), OpenAI: GPT-5 Nano (batch), Tencent: Hy-MT2-1.8B. Ze werken allemaal met dezelfde API-key, dus overstappen is één string aanpassen.
Community over Meta: Llama 3.2 1B Instruct
Nieuw topicDeze community heeft nog geen topics. Open het eerste topic over Meta: Llama 3.2 1B Instruct.