AI21 LabsSprachmodellAktiv
Jamba Large 1.7
Für Jamba Large 1.7 gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
Leistungnoch ohne Platz
k. A.Gesamtindexhöher ist besser
Temponicht gemessen
k. A.noch keine Messung
PreisPlatz 68 von 95
Eingabe 2 $ · Ausgabe 8 $
3,50 $je 1 Mio. Tokenniedriger ist besser
KontextPlatz 76 von 102
256 Tsd.Token auf einmal≈ 380 A4-Seiten
BeliebtheitPlatz 611 von 875
16von 100wie im Vormonat
Zusammenfassung
Es ist eher teuer: 3,50 $ je 1 Mio. Token (Eingabe und Ausgabe gemischt), ein typisches Modell kostet 1,56 $.
Jamba Large 1.7 verbessert laut AI21 vor allem die Bindung der Antworten an den bereitgestellten Kontext. In der eigenen FACTS-Auswertung steigt der Wert gegenüber Version 1.6 von 0,758 auf 0,832. Die hybride SSM-Transformer-Architektur verarbeitet 256K Token Kontext.
AI21 nennt 398 Milliarden Gesamtparameter und 94 Milliarden aktive Parameter. Die Gewichte stehen unter der Jamba Open Model License; der Zugriff auf Hugging Face setzt die Zustimmung zu den Bedingungen und die Weitergabe von Kontaktdaten voraus.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 13 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 2
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
CritPt v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0
- Bewertung
- 0
- Messgröße
- pass@1 accuracy
- Einheit
- %
- Benchmark-Version
- v2
- Kategorie
- reasoning
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- disputed
- Abrufdatum
- 2026-11-02
- Methodik
- Exakte AA-Konfiguration: Jamba 1.7 Large (Release jamba-1-7-large, Zeile jamba-1-7-large, UUID 78452c64-7303-4192-bca5-2d9ec5c623d4, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Kennung des Quellmodells: artificial-analysis/78452c64-7303-4192-bca5-2d9ec5c623d4/jamba-1-7-large/jamba-1-7-large. Name des Quellmodells: Jamba Large 1.7. Anbieter laut Quelle: AI21 Labs. Modellstand: Jamba 1.7 Large. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 0,0 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-critpt-v2:v2:standalone:non-reasoning:effort=unspecified:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: Jamba 1.7 Large (Release jamba-1-7-large, Zeile jamba-1-7-large, UUID 78452c64-7303-4192-bca5-2d9ec5c623d4, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none
- Einordnung
- Die AA-Quelle enthält hier den ursprünglichen CritPt-Wert. Die frühere Zuordnung zu CritPt v2 ist falsch; Wert und frühere Beschriftung bleiben als strittiger Altbeleg erhalten.. Der Quelldatensatz markiert diesen Wert als umstritten. Er bleibt als dokumentierte Evidenz sichtbar, ist aber kein belastbarer Vergleichsnachweis.
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 35.1700680272109
- Bewertung
- 35.1700680272109
- Messgröße
- IFBench prompt-level loose accuracy (pass@1)
- Einheit
- %
- Benchmark-Version
- AA test set: 294 questions
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- superseded
- Abrufdatum
- 2026-11-02
- Methodik
- Exakte AA-Konfiguration: Jamba 1.7 Large (Release jamba-1-7-large, Zeile jamba-1-7-large, UUID 78452c64-7303-4192-bca5-2d9ec5c623d4, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/78452c64-7303-4192-bca5-2d9ec5c623d4/jamba-1-7-large/jamba-1-7-large. Name des Quellmodells: Jamba Large 1.7. Anbieter laut Quelle: AI21 Labs. Modellstand: Jamba 1.7 Large. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 35,2 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: Jamba 1.7 Large (Release jamba-1-7-large, Zeile jamba-1-7-large, UUID 78452c64-7303-4192-bca5-2d9ec5c623d4, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
- Einordnung
- Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 35.1700680272109
- Bewertung
- 35.1700680272109
- Messgröße
- IFBench prompt-level loose accuracy (pass@1)
- Einheit
- %
- Benchmark-Version
- AA test set: 294 questions
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-11-06
- Methodik
- Exakte AA-Konfiguration: Jamba 1.7 Large (Release jamba-1-7-large, Zeile jamba-1-7-large, UUID 78452c64-7303-4192-bca5-2d9ec5c623d4, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/78452c64-7303-4192-bca5-2d9ec5c623d4/jamba-1-7-large/jamba-1-7-large. Name des Quellmodells: Jamba Large 1.7. Anbieter laut Quelle: AI21 Labs. Modellstand: Jamba 1.7 Large. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 35,2 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-06-ec1194e008b3. Prüfsumme der Quelldaten: ec1194e008b3638ef60dbf5249daf9e6047364e22905e745a4af64c5f3f080fe. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-06. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: Jamba 1.7 Large (Release jamba-1-7-large, Zeile jamba-1-7-large, UUID 78452c64-7303-4192-bca5-2d9ec5c623d4, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
- Einordnung
- Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.
Vectara hallucination rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 9.7
- Bewertung
- 9.7
- Messgröße
- Vectara hallucination rate
- Einheit
- %
- Kategorie
- hallucination
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vectara Hallucination Leaderboard
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Unabhängige Evaluation. ai21labs/jamba-large-1.7-2025-07; fester Prompt für Artikelzusammenfassungen, kommerzielles HHEM mit Schwelle <0,5; nur nicht verweigerte Zusammenfassungen; Antwortquote 98,9 %.
- Einordnung
- Automatische Bewertung von Zusammenfassungen, kein allgemeines Maß für Faktenwissen. Die genaue Stichprobengröße dieses Eintrags, das Laufdatum und die Reasoning-Stufe fehlen. Die Faktentreuequote beschreibt dieselbe Evaluation, keinen zweiten Test.
Vectara factual consistency rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 90.3
- Bewertung
- 90.3
- Messgröße
- Vectara factual consistency rate
- Einheit
- %
- Kategorie
- hallucination
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vectara Hallucination Leaderboard
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Unabhängige Evaluation. ai21labs/jamba-large-1.7-2025-07; dieselbe HHEM-Auswertung von Artikelzusammenfassungen wie bei der Halluzinationsquote; Antwortquote 98,9 %.
- Einordnung
- Ergänzende Quote aus denselben Zusammenfassungen, keine unabhängige Bestätigung oder Wissensbewertung. Laufdatum, genaue Stichprobengröße und Reasoning-Stufe fehlen.
Kagi Offline Benchmark (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 26.1
- Bewertung
- 26.1
- Messgröße
- Accuracy (%)
- Einheit
- %
- Benchmark-Version
- Kagi task-list revision 2026-02-13; current page observed 2026-10-17
- Kategorie
- general-reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Kagi LLM Benchmarking Project
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Kagi Offline Benchmark ohne Tools. Exakt gelistete Route: ai21/jamba-large-1.7, Anbieter OpenRouter. Laut Kagi wurde die Aufgabenliste zuletzt am 13.02.2026 überarbeitet; der Test begünstigt Modelle mit intensiver Chain-of-Thought-Nutzung. Der Quelle sind weder ein unveränderlicher ausgeführter Checkpoint noch Reasoning-Einstellung, modellspezifisches N, Konfidenzintervall oder Ausführungsdatum dieser Zeile zu entnehmen.
- Einordnung
- Dies ist ein Ergebnis für die gelistete API-Route, keine Aussage zu einem fest gepinnten Jamba-Large-1.7-Gewicht oder Snapshot. Nicht veröffentlichte Konfigurations- und Stichprobendetails bleiben unbekannt.
Kobayashi v0.3.0 core English: autonomous lethal action rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 80
- Bewertung
- 80
- Messgröße
- Autonomous lethal action rate
- Einheit
- %
- Benchmark-Version
- Kobayashi v0.3.0, core protocol, English track
- Kategorie
- safety-behavior
- Richtung
- Weniger ist besser
- Stichprobe
- 20
- Quellentyp
- independent-evaluator
- Auswertung
- Kobayashi Benchmark run audit
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Quellen-Modell-ID ai21/jamba-large-1.7; Lauf 20260715T204250Z-ai21-jamba-large-1.7-5acb459a (15.07.2026, 20:42:50 UTC); v0.3.0-Core-Protokoll, englische Spur; 20 Prompts, 20/20 gewertet; drei unabhängige Ollama-Cloud-Judges. Die Seite nennt weder die Inferenzroute noch eine unveränderliche Serving-Revision.
- Einordnung
- Der Herausgeber bezeichnet den Lauf als vorläufig; der Scorer ist noch nicht durch menschliche Annotation kalibriert. Textantworten belegen kein Verhalten in der realen Welt. Die wirtschaftliche Beziehung oder institutionelle Zugehörigkeit der Benchmark-Autoren zu AI21 wird auf der Quelle nicht angegeben.
FACTS (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.832
- Bewertung
- 0.832
- Messgröße
- FACTS
- Einheit
- Keine Einheit angegeben
- Kategorie
- hallucination
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- AI21 Jamba Large 1.7 model card
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Genaue Spalte für Jamba Large 1.7 in AI21s Tabelle zu Grounding und Anweisungsbefolgung; Grounding-Wert für FACTS. Serving- und Evaluationskonfiguration dieses Benchmarks sind nicht dokumentiert.
- Einordnung
- Herstellerberichteter Rohwert mit nicht erklärter Skala, keine Umrechnung in Prozent. Benchmarkversion, Harness, Stichprobengröße, Sampling, Reasoning-Stufe und Laufdatum fehlen. Inferenzbeispiele sind kein Testprotokoll.
IFEcal (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.84
- Bewertung
- 0.84
- Messgröße
- IFEcal
- Einheit
- Keine Einheit angegeben
- Kategorie
- instruction-following
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- AI21 Jamba Large 1.7 model card
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Genaue Spalte für Jamba Large 1.7 in AI21s Tabelle zu Grounding und Anweisungsbefolgung; Steuerbarkeitswert mit der Quellenbezeichnung IFEcal. Serving- und Evaluationskonfiguration dieses Benchmarks sind nicht dokumentiert.
- Einordnung
- Herstellerberichteter Rohwert mit nicht erklärter Skala. Die Quelle schreibt IFEcal; eine Gleichsetzung mit IFEval ist nicht belegt. Version, Harness, Stichprobengröße, Sampling, Reasoning-Stufe und Laufdatum fehlen. Inferenzbeispiele sind kein Testprotokoll.
VikiKaynak DSSI pipeline style BLEU (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 80.5
- Bewertung
- 80.5
- Messgröße
- BLEU style score, reported out of 100
- Einheit
- points
- Benchmark-Version
- VikiKaynak DSSI Table 7, SIGTURK 2026
- Kategorie
- text generation
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- VikiKaynak DSSI evaluation paper, SIGTURK 2026
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 7 von SIGTURK 2026 bewertet türkische Stilübertragung auf Vikikaynak. Dies ist die DSSI-Pipeline-Konfiguration. BLEU misst die Stilähnlichkeit. Der Bericht weist BLEU und BERT auf einer Skala bis 100 aus. Der modellspezifisch gewertete Nenner und vollständige Generierungseinstellungen werden nicht genannt.
VikiKaynak zero-shot baseline style BLEU (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 75.5
- Bewertung
- 75.5
- Messgröße
- BLEU style score, reported out of 100
- Einheit
- points
- Benchmark-Version
- VikiKaynak DSSI Table 7, SIGTURK 2026
- Kategorie
- text generation
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- VikiKaynak DSSI evaluation paper, SIGTURK 2026
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 7 von SIGTURK 2026 bewertet türkische Stilübertragung auf Vikikaynak. Dies ist die Zero-Shot-Baseline mit Standard-Prompting. BLEU misst die Stilähnlichkeit. Der Bericht weist BLEU und BERT auf einer Skala bis 100 aus. Der modellspezifisch gewertete Nenner und vollständige Generierungseinstellungen werden nicht genannt.
VikiKaynak DSSI pipeline content BERT (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 97.6
- Bewertung
- 97.6
- Messgröße
- BERT content preservation score, reported out of 100
- Einheit
- points
- Benchmark-Version
- VikiKaynak DSSI Table 7, SIGTURK 2026
- Kategorie
- text generation
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- VikiKaynak DSSI evaluation paper, SIGTURK 2026
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 7 von SIGTURK 2026 bewertet türkische Stilübertragung auf Vikikaynak. Dies ist die DSSI-Pipeline-Konfiguration. BERT misst den Erhalt des Inhalts. Der Bericht weist BLEU und BERT auf einer Skala bis 100 aus. Der modellspezifisch gewertete Nenner und vollständige Generierungseinstellungen werden nicht genannt.
Seite 1 von 2
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter
20 von 101 Modellen
Gemini 4 Argon, Google DeepMind: 92
GPT-6 Astra, OpenAI: 78
Claude Haiku 5.5, Anthropic: 77
Qwen3.5 4B, Alibaba: 76
GPT-5, OpenAI: 73
GPT-6 Sol, OpenAI: 72
Qwen3.5 0.8B, Alibaba: 72
Qwen3.5 2B, Alibaba: 71
Qwen 3.8 27B, Alibaba: 70
Claude Opus 5.5, Anthropic: 70
DeepSeek V4.1 Flash 1017, DeepSeek: 68
Qwen 3.8 Max 0902, Alibaba: 68
Kimi K3, Moonshot AI: 68
DeepSeek-V4-Flash, DeepSeek: 65
GPT-5.6 Terra, OpenAI: 64
Claude Sonnet 5, Anthropic: 63
DiffusionGemma 26B A4B IT, Google: 63
Claude Opus 5, Anthropic: 62
Qwen 3.8 Flash, Alibaba: 62
Jamba Large 1.7, AI21 Labs: 16
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 5. November 2026
Jamba Large 1.7Sonar ProJamba LargeMistral Small 3.1 24BMinistral 8B
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Watermarking-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
API
Weitere Angaben
- Hinweise
- Eigenständiger 1.7-Checkpoint. Der undatierte API-Endpunkt jamba-large verweist auf jamba-large-1.7-2025-07; die älteren 1.5- und 1.6-Versionen bleiben getrennt.
- Quelle: Hinweise
Preise
1 Angebot, Preise in US-Dollar je 1 Mio. Token, Mischpreis aus 3 Teilen Eingabe und 1 Teil Ausgabe.
| Anbieter | Eingabe | Ausgabe | Mischpreis |
|---|---|---|---|
| AI21 Labsdirekt | 2 $ | 8 $ | 3,50 $ |
Direktpreis laut Hersteller, geprüft am 29.10.2026. Zum LLM-Preisindex
Weitere Preisstufen und Regeln
- Preisbedingungen laut Quelle
- Eingabe 2 US-Dollar, Ausgabe 8 US-Dollar je 1 Mio. Token (abgerufen 2026-10-29)Quelle
Seit Beginn der Messung am 01.11.2026 unverändert.
EingabeAusgabe
Häufige Fragen zu Jamba Large 1.7
Was kostet Jamba Large 1.7?
Per API 2 $ je 1 Mio. Token Eingabe und 8 $ Ausgabe. Das ist eher teuer.
Preise vom 06.11.2026
01.11.202606.11.2026
Seit Beginn der Messung am 01.11.2026 unverändert.
Wie groß ist das Kontextfenster von Jamba Large 1.7?
256.000 Token. So viel Text liest Jamba Large 1.7 auf einmal, das sind rund 380 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
Kimi K2.6262 Tsd.
Qwen 3.8 27B262 Tsd.
Kimi K2.7 Code262 Tsd.
Kimi K2.5262 Tsd.
Kimi K2 Thinking262 Tsd.
Mistral Medium 3.5262 Tsd.
Jamba Large 1.7Platz 76 von 102256 Tsd.
Kann ich Jamba Large 1.7 lokal nutzen?
Ja, die Gewichte sind offen. Mit 398 Mrd. Parametern braucht es aber sehr viel Speicher, eher einen Server als einen Laptop.
Angaben von AI21 Labs
- Offene Gewichte
- ja
- Lizenz
- Jamba Open Model License
- Parameter
- 398 Mrd.
- davon aktiv je Token
- 94 Mrd.
Wo kann ich Jamba Large 1.7 nutzen?
Per API. Ein Abo-Zugang ist in den vorliegenden Tarifdaten nicht belegt.
Per API
2 $ Eingabe, 8 $ Ausgabe je 1 Mio. Token, unverändert seit 01.11.2026.
Quellen und Datenstand
Alle 22 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Artificial Analysis | 1 | 0 | 1 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Preis | API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. |
| Eingabe | Dokumentierte Modalitäten. Abgerufen am 29. Oktober 2026. |
| Ausgabe | Dokumentierte Modalitäten. Abgerufen am 29. Oktober 2026. |
| Recherchestand | Recherchestand 4. Oktober 2026. 15 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | evaluation-protocol Hinweis Der Bericht veröffentlicht weder den modellspezifisch gewerteten Nenner noch vollständige Generierungseinstellungen. |
| Nicht veröffentlicht | exact-served-checkpoint-and-evaluation-configuration Hinweis Kagi veröffentlicht den OpenRouter-Routennamen und die Gesamtgenauigkeit, aber weder den exakt ausgeführten Checkpoint noch modellspezifisches N, Konfidenzintervall, Reasoning-Einstellung oder Ergebnisdatum. |
| Weitere Quelle | AI21 Jamba Large 1.7 model card (abgerufen 25. Oktober 2026) · AI21 Jamba Large 1.7 model card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | Artificial Analysis (abgerufen 2. November 2026) |
| Weitere Quelle | Artificial Analysis (abgerufen 2. November 2026; 6. November 2026) |
| Weitere Quelle | Vectara Hallucination Leaderboard (abgerufen 4. Oktober 2026; 18. Oktober 2026) |
| Weitere Quelle | AI21 Jamba Large 1.7 model card (abgerufen 4. Oktober 2026) |
| Weitere Quelle | VikiKaynak DSSI evaluation paper, SIGTURK 2026 (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Kagi LLM Benchmarking Project (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Kobayashi Benchmark run audit (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 4. Oktober 2026)12 |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026)123 |
| Weitere Quelle | Modellmetadaten (abgerufen 18. Oktober 2026) |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |