首页 / 模型指南 / Llama 4

30 秒结论

• 它擅长什么：Llama 开源权重系列，便于对比私有化与网关调用的成本，走 /v1/chat/completions 一个端点即可开始。
• 怎么接：把 OpenAI SDK 的 base_url 改成 https://sub.sumcapi.top/v1，api_key 换成苏姆卡皮密钥，模型名填 Llama 4。
• 注意什么：文本与推理 以控制台与模型广场实时展示为准；生产链路请配置超时、退避与兜底模型。

接口与关键参数

鉴权统一使用 Authorization: Bearer <API_KEY>。流式响应请处理 data: [DONE] 与心跳

请求示例

cURL

curl https://sub.sumcapi.top/v1/chat/completions \
  -H "Authorization: Bearer $SUMCAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Llama 4",
    "messages": [
      {"role": "system", "content": "你是严谨的技术文档助手"},
      {"role": "user", "content": "用 5 条要点说明幂等设计"}
    ],
    "max_tokens": 800,
    "temperature": 0.3
  }'

Python（OpenAI SDK）

from openai import OpenAI

client = OpenAI(base_url="https://sub.sumcapi.top/v1", api_key="sk-你的密钥")
r = client.chat.completions.create(
    model="Llama 4",
    messages=[{"role": "user", "content": "hello"}],
    max_tokens=512,
)
print(r.choices[0].message.content)

响应要点

• 用量字段在 usage 中返回（输入、输出、缓存读写分列），账单以此为准。
• 建议记录请求 ID：排查问题与计费争议都需要它。
• 同名模型可能由不同渠道提供，输出风格会有细微差异，切模型前做一轮回归。

常见错误与处理

计费口径

• 按 输入 + 输出 token 计费；思考链与工具调用产生的 token 计入实际消耗。
• 命中缓存的输入 token 单价更低：长系统提示词、长文档问答收益明显。
• 失败请求不计费，429 与网关侧错误不会产生账单条目。
• 公式与争议处理见 模型定价 与 计费与退款政策。

适用场景

• 问答与知识库：配合 嵌入模型 做检索增强，长上下文场景可直接塞入整篇文档。
• 结构化抽取：用 JSON 输出模式加低温采样，把非结构化文本转成稳定字段。
• 内容生产：初稿、改写、多语言版本批量生成，人工只做终审。
• Agent 主干：带 tools 的多步编排，限流与故障切换交给网关。

选型建议

多语言任务、私有化对照基线。同一能力建议同时配置 2 个以上候选模型，网关会在限流与过载时自动切换，见 路由与错误。

接入三步

1. 在控制台创建密钥并绑定包含该模型的分组；
2. 用上面的示例跑通一次最小请求，确认 messages 返回模型名；
3. 把 model 做成配置项，在 模型广场 对照可用清单，逐步迁移业务链路。

相关模型（文本与推理）

想看全部能力入口，见 模型指南 与 能力与场景。

常见问题