Meta: Llama 3 8B Instruct meta-llama/llama-3-8b-instruct

Модель Meta: Llama 3 8B Instruct от Meta Llama (семейство llama-3) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Открытые модели Meta — основа большинства open-source проектов.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

контекст, токенов

4 ₽

за 1 млн входных токенов

4 ₽

за 1 млн выходных токенов

возможностей

2023-12

база знаний до

Что такое Meta: Llama 3 8B Instruct

Компактный open-source ассистент для диалоговых задач и прототипов, когда важны скорость, стоимость и возможность локального запуска.

Llama 3 8B Instruct — открытая языковая модель от Meta, входящая в третье поколение семейства Llama. Версия с суффиксом Instruct прошла дополнительную настройку под диалоговые сценарии: модель лучше следует инструкциям, точнее отвечает на вопросы и удерживает контекст разговора по сравнению с базовой (pretrained) версией.

Несмотря на компактный размер, модели семейства Llama 3 8B демонстрируют заметный прогресс по сравнению с предыдущим поколением Llama 2 — за счёт улучшенных обучающих данных и архитектурных доработок. Контекстное окно составляет 8 192 токена, что покрывает большинство практических задач. Модель распространяется с открытыми весами, что позволяет разворачивать её на собственной инфраструктуре или дообучать под конкретную задачу.

Оптимальная ниша — задачи, где важна низкая задержка и экономичность: чат-боты, вспомогательные ассистенты, прототипирование. При этом для сложных многошаговых рассуждений или работы с очень длинными документами стоит рассмотреть более крупные варианты семейства.

Когда брать эту модель

✓ Чат-боты и диалоговые ассистенты с умеренной сложностью запросов
✓ Прототипирование и быстрая проверка гипотез без больших затрат на инференс
✓ Классификация текста, извлечение сущностей, структурированные ответы
✓ Локальное развёртывание и файн-тюнинг под узкоспециализированные задачи
✓ Образовательные проекты и демо-приложения с ограниченным бюджетом

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Объясни разницу между REST и GraphQL простыми словами, приведи пример, когда стоит выбрать каждый подход.

Использование Meta: Llama 3 8B Instruct через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta-llama/llama-3-8b-instruct",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="meta-llama/llama-3-8b-instruct",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "meta-llama/llama-3-8b-instruct",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);