AI Prosumer
FA
متا

Llama-4-Maverick-17B-128E-Instruct-FP8

دریافت کلید API
meta/llama-4-maverick-17b-128e-instruct-fp8

مدل Llama-4-Maverick-17B-128E-Instruct-FP8 توسط Meta ارائه شده است که متن و تصاویر را می‌پذیرد و متن تولید می‌کند. این ورودی کاتالوگ مدل meta/llama-4-maverick-17b-128e-instruct-fp8 را شناسایی می‌کند. پنجره زمینه بررسی شده آن 1,048,576 توکن است؛ محدودیت‌های استقرار ممکن است کمتر باشد.

ورودی → خروجی
متن, تصویر متن
دسترسی
تبادل توکن
پنجره زمینه
1,048,576 توکن‌ها
مجوز: باز کردن_وزن‌ها

از مدل تا برنامه

شروع سریع

مرجع API
  1. کلید API خود را دریافت کنید

    یک کلید در کنسول ShareAI ایجاد کنید، سپس آن را به عنوان یک متغیر محیطی در سرور خود ذخیره کنید.

    ایجاد کلید API
    متغیر محیطی
    export SHAREAI_API_KEY="your-api-key"
  2. نقطه پایانی خود را انتخاب کنید

    یک درخواست POST با کلید API خود در هدر Authorization ارسال کنید.

    ارسالhttps://api.shareai.now/api/v1/chat/completions

    نقطه پایانی این برچسب تأیید نشده است. مرجع API و کنسول خود را بررسی کنید قبل از ارسال درخواست.

  3. اولین درخواست خود را ارسال کنید

    مثال‌ها از برچسب انتخابی شما استفاده می‌کنند و قالب درخواست آن را نشان می‌دهند. آن‌ها را روی سرور خود اجرا کنید تا کلید API شما خصوصی بماند. دسترسی به مدل و حساب هنگام ارسال درخواست بررسی می‌شود.

    cURL
    curl --fail-with-body --request POST 'https://api.shareai.now/api/v1/chat/completions' \
      --header "Authorization: Bearer ${SHAREAI_API_KEY}" \
      --header 'Content-Type: application/json' \
      --data-raw '{
      "model": "meta/llama-4-maverick-17b-128e-instruct-fp8",
      "messages": [
        {
          "role": "user",
          "content": "Hello!"
        }
      ],
      "stream": false
    }'
    پایتون
    import json
    import os
    import urllib.request
    
    payload = {
        "model": "meta/llama-4-maverick-17b-128e-instruct-fp8",
        "messages": [
            {
                "role": "user",
                "content": "Hello!",
            },
        ],
        "stream": False,
    }
    request = urllib.request.Request("https://api.shareai.now/api/v1/chat/completions",
        data=json.dumps(payload).encode(),
        headers={
            "Authorization": f"Bearer {os.environ['SHAREAI_API_KEY']}",
            "Content-Type": "application/json",
        },
        method="POST",
    )
    with urllib.request.urlopen(request, timeout=180) as response:
        print(json.dumps(json.load(response), indent=2))
    گو
    package main
    
    import (
        "bytes"
        "encoding/json"
        "fmt"
        "io"
        "net/http"
        "os"
        "time"
    )
    
    func main() {
        if err := run(); err != nil {
            fmt.Fprintln(os.Stderr, err)
            os.Exit(1)
        }
    }
    
    func run() error {
        key := os.Getenv("SHAREAI_API_KEY")
        if key == "" { return fmt.Errorf("set SHAREAI_API_KEY") }
        body := []byte(`{
      "model": "meta/llama-4-maverick-17b-128e-instruct-fp8",
      "messages": [
        {
          "role": "user",
          "content": "Hello!"
        }
      ],
      "stream": false
    }`)
        request, err := http.NewRequest(http.MethodPost, "https://api.shareai.now/api/v1/chat/completions", bytes.NewReader(body))
        if err != nil { return err }
        request.Header.Set("Authorization", "Bearer " + key)
        request.Header.Set("Content-Type", "application/json")
        client := &http.Client{Timeout: 180 * time.Second}
        response, err := client.Do(request)
        if err != nil { return err }
        defer response.Body.Close()
        if response.StatusCode < 200 || response.StatusCode >= 300 {
            detail, _ := io.ReadAll(io.LimitReader(response.Body, 1<<20))
            return fmt.Errorf("ShareAI HTTP %d: %s", response.StatusCode, detail)
        }
        var result any
        if err := json.NewDecoder(response.Body).Decode(&result); err != nil { return err }
        encoder := json.NewEncoder(os.Stdout)
        encoder.SetIndent("", "  ")
        return encoder.Encode(result)
    }

    به عنوان main.go ذخیره کنید و دستور go run main.go را اجرا کنید. این مثال از کتابخانه استاندارد Go استفاده می‌کند.

    تنظیم وابستگی‌های Rust

    در پروژه Cargo خود، این وابستگی‌ها را اضافه کنید. مثال را به عنوان src/main.rs ذخیره کنید، سپس دستور cargo run را اجرا کنید.

    دستورات Cargo
    cargo add [email protected] --no-default-features --features blocking,json,rustls-tls
    cargo add serde_json@1
    راست
    fn main() -> Result<(), Box<dyn std::error::Error>> {
        let api_key = std::env::var("SHAREAI_API_KEY")?;
        let payload: serde_json::Value = serde_json::from_str(r#"{
      "model": "meta/llama-4-maverick-17b-128e-instruct-fp8",
      "messages": [
        {
          "role": "user",
          "content": "Hello!"
        }
      ],
      "stream": false
    }"#)?;
        let client = reqwest::blocking::Client::builder()
            .timeout(std::time::Duration::from_secs(180))
            .build()?;
        let response = client.post(r#"https://api.shareai.now/api/v1/chat/completions"#)
            .bearer_auth(api_key)
            .json(&payload)
            .send()?
            .error_for_status()?;
        let result: serde_json::Value = response.json()?;
        println!("{}", serde_json::to_string_pretty(&result)?);
        Ok(())
    }
    تایپ‌اسکریپت
    const payload = {
      "model": "meta/llama-4-maverick-17b-128e-instruct-fp8",
      "messages": [
        {
          "role": "user",
          "content": "Hello!"
        }
      ],
      "stream": false
    };
    const response = await fetch("https://api.shareai.now/api/v1/chat/completions", {
      method: 'POST',
      headers: {
        Authorization: `Bearer ${process.env.SHAREAI_API_KEY}`,
        'Content-Type': 'application/json',
      },
      body: JSON.stringify(payload),
    });
    if (!response.ok) throw new Error(await response.text());
    console.log(JSON.stringify(await response.json(), null, 2));

تبادل توکن

موجود از طریق تبادل توکن

از شبکه با موجودی توکن خود استفاده کنید. تنظیمات مصرف حساب شما تعیین می‌کند که درخواست‌ها چگونه محاسبه شوند.

کمی جزئیات بیشتر

سوالات متداول

Llama-4-Maverick-17B-128E-Instruct-FP8 چیست؟

مدل Llama-4-Maverick-17B-128E-Instruct-FP8 توسط Meta ارائه شده است که متن و تصاویر را می‌پذیرد و متن تولید می‌کند. این ورودی کاتالوگ مدل meta/llama-4-maverick-17b-128e-instruct-fp8 را شناسایی می‌کند. پنجره زمینه بررسی شده آن 1,048,576 توکن است؛ محدودیت‌های استقرار ممکن است کمتر باشد.

هزینه Llama-4-Maverick-17B-128E-Instruct-FP8 چقدر است؟

این برچسب از طریق Token Exchange در دسترس است. تنظیمات مصرف حساب و موجودی توکن شما دسترسی و صورتحساب را تعیین می‌کند. برای بررسی موجودی و شرایط دسترسی خود، به Console مراجعه کنید.

Llama-4-Maverick-17B-128E-Instruct-FP8 از چه ورودی‌ها و خروجی‌هایی پشتیبانی می‌کند؟

ورودی‌ها: متن، تصویر. خروجی‌ها: متن. این قابلیت‌ها به برچسب مدل انتخاب‌شده اعمال می‌شوند. مستندات endpoint را برای فرمت‌های درخواست پشتیبانی‌شده بررسی کنید.

طول زمینه Llama-4-Maverick-17B-128E-Instruct-FP8 چقدر است؟

این برچسب دارای یک پنجره زمینه‌ای با ظرفیت 1,048,576 توکن است. اندازه زمینه و آستانه‌های قیمت‌گذاری جداگانه هستند. محدودیت‌های درخواست ممکن است برای یک استقرار خاص کمتر باشد.

چگونه می‌توانم از Llama-4-Maverick-17B-128E-Instruct-FP8 با ShareAI استفاده کنم؟

یک کلید API در کنسول ShareAI ایجاد کنید، یک برچسب مدل انتخاب کنید و یک درخواست احراز هویت شده به نقطه پایانی در شروع سریع ارسال کنید. کلید شما باید به مدل انتخاب شده دسترسی داشته باشد. کلید خود را روی سرور خود نگه دارید.