Groq API 免费使用教程
本帖最后由 fatiery 于 2024-12-12 12:27 编辑下面的内容是转载的
## 第一步：获取 API
1. 访问 https://console.groq.com/
2. 完成注册并申请 API
3. 保存获得的 API 密钥
## 第二步：配置 NextChat
1. 打开 https://app.nextchat.dev/
2. 在左侧设置中填入：
- 接口地址：`https://api.groq.com/openai/`
- API Key：填入之前获取的密钥
- 自定义模型：`llama-3.3-70b-versatile`
## 主要优势
- 响应速度：200 Token/秒
- 性能表现：接近 GPT-4.0 水平
- 完全免费使用
## 使用限制
- 每分钟限额：6000 Token
- 每日 API 调用：14000 次
- 足够普通用户日常使用
根据实际操作，NextChat这样还不行，下面是我自己的操作步骤详细化，仅供参考：
1. 点击左下角设置
2. 勾选自定义接口
3. 接口地址输入：https://api.groq.com/openai/
4. API Key输入：gsk_XXXX(你的API密钥)
5. 自定义模型输入：llama-3.3-70b-versatile
6. 模型 下拉 选择我们输入的 llama-3.3-70b-versatile
这样就可以对话使用了，其实不止NextChat，其实有其他类似NextChat的程序，搭建网站供他人使用的，可以在Github找下。
当然这对直接能用ChatGPT的人来说，没啥用，重点就是它的免费API调用次数，对我们编程的人而言，结合自动化的程序，比如翻译、总结、改写等等，绝对量大管饱。
官方教程
export GROQ_API_KEY=<your-api-key-here>pip install groqimport os
from groq import Groq
client = Groq(
api_key=os.environ.get("GROQ_API_KEY"),
)
chat_completion = client.chat.completions.create(
messages=[
{
"role": "user",
"content": "Explain the importance of fast language models",
}
],
model="llama3-8b-8192",
)
print(chat_completion.choices.message.content)
实际使用：
记得把模型 llama3-8b-8192 换为 llama-3.3-70b-versatile
下面是我用过API提问，“llama-3.3-70b-versatile与llama3-8b-8192的区别，用中文回复” 的结果
LLaMA 是一种大语言模型，由 Meta AI 开发。LLaMA-3.3-70b-versatile 和 LLaMA-3-8b-8192 是 LLaMA 的两个不同版本，它们之间的区别主要体现在以下几方面：
1. **模型大小**：LLaMA-3.3-70b-versatile 的参数量大约为 70 亿，而 LLaMA-3-8b-8192 的参数量大约为 8 亿。这意味着 LLaMA-3.3-70b-versatile 的模型规模比 LLaMA-3-8b-8192 大得多，通常来说，更大的模型对应着更强的表达能力和更好的性能。
2. **计算资源**：由于 LLaMA-3-8b-8192 的模型大小相对较小，所需的计算资源也相对较少。这使得它可以在较低端的硬件上运行，包括一些个人电脑或较早的 GPU，而 LLaMA-3.3-70b-versatile 则需要更强大的计算资源来处理。
3. **性能差异**：一般来说，参数量更大的模型如 LLaMA-3.3-70b-versatile 在语言理解和生成任务上会表现更好，因为它能够捕捉到语言中更复杂和细致的模式。然而，性能的差异也取决于具体的应用场景和任务。
4. **训练数据**：两个模型可能使用的训练数据集不同，尽管它们都是基于大规模语料库训练的，但数据的范围、深度和覆盖面可能有所不同，这也会影响它们的性能和适用范围。
总而言之，LLaMA-3.3-70b-versatile 和 LLaMA-3-8b-8192 之间的选择，主要取决于你的应用场景、可用的计算资源以及对模型性能的需求。如果需要更强大的语言处理能力且计算资源充足，较大的模型可能是一个更好的选择；如果计算资源有限或需要一个更轻量级的解决方案，较小的模型可能更合适。
因为比较急，即使简单的贴子也难免有错误的地方，大家请多担待，姑妄言之姑看之。
谢谢版主分享
页:
[1]
