Meta Llama 4 登陆 Vertex AI：免配 GPU，以托管 API 开箱即用

以前想在生产环境里跑 Meta 的开源大模型，最头疼的往往不是代码，而是算力。你得自己去云厂商那里抢 GPU、配驱动、搭推理框架，模型跑起来还得盯着显存别爆了。

Google Cloud 宣布把 Meta 最新一代的 Llama 4 以模型即服务的方式放进了 Vertex AI，并且直接面向所有用户正式商用。一同正式上线的，还有 Llama 3.3 70B 的托管 API。

这意味着你不用再管底层服务器，调个 API 就能直接用上 Llama 4。

告别租卡，连 OpenAI 的 SDK 都能直接复用

这次在 Vertex AI 上线的 Llama 4 覆盖了 Meta 最新的两条产品线。一个是 Llama 4 Scout，它用了混合专家架构，在多模态任务上效率很高，官方代码里甚至给出了 17B 规模的指令微调版本；另一个是 Meta 专门用来攻坚复杂推理和图像理解的 Llama 4 Maverick，也是目前 Meta 旗下最聪明的一款。

对于开发者来说，最省心的地方在于零运维。你不需要预先租下昂贵的算力节点，Google Cloud 会在后台把 GPU 调度、依赖项安装和高可用运维全包了。

计费方式也变成了按调用量付费。你发起了多少次请求就付多少钱，不用再为闲置的显卡按小时掏冤枉钱。

使用方式也很接地气。只要在 Vertex AI 的 Model Garden 里点一下同意 Meta 的社区许可协议，拿到模型 ID，就能直接用上了。

有意思的是，Google 的这个托管端点直接兼容了标准的 ChatCompletion 接口。如果你平时习惯用 OpenAI 的 Python SDK，只需要把 base_url 改成 Google Cloud 的端点地址，配上 Google 的授权凭证，原先的代码几乎不用大改就能跑起来，连传图片做多模态识别也只要传个存储地址就行。

为什么重要

我们认为，Google 把 Llama 4 做成托管 API 卖，是一门非常务实的生意。

对开发者和中小团队来说，这大幅降低了用上顶级开源模型的门槛。以前很多人想用 Llama，但一算运维成本和保活 GPU 的账单就打了退堂鼓。现在只要改几行调用代码，就能拿它做复杂视觉理解或智能体推理，完全值得在日常业务里顺手测一测。当然，限制依然存在，比如你的调用频次受制于每分钟请求数等配额限制，而且前提是必须签署 Meta 的社区协议。

对行业来说，这也是云厂商竞争格局的一个缩影。Google Cloud 并没有死守自家的 Gemini，而是把自家算力平台打造成一个开放的大卖场。只要开发者愿意把业务和数据留在 Google Cloud 上，用 Gemini 还是用 Meta 的 Llama 4，对 Google 来说都是赚钱的算力买卖。

这种做法很聪明，但也给对手施加了不小的压力。微软 Azure 早就深度绑定了 OpenAI 和 Meta，现在 Google 也把开源主力模型拉到了同样的易用度上。当基础模型本身的差距被慢慢抹平，云平台谁家 API 更好接、计费更透明，就成了留住开发者的胜负手。