Llama 3.1 70B
Noch nicht getestet
SprachmodellAktiv
Llama 3.1 70B
Meta
- Veröffentlicht
- Juli 2024
- Datenstand
- 8. September 2026
- Intelligenz
- Gesamtwertung
- Geschwindigkeit
- 62,6 Token/sAusgabe-Tempo
- Preis
- Eingabe · Ausgabe / 1 Mio. Token
- Eingabe
- Text
- Ausgabe
- Text
Für dieses Modell liegt keine veröffentlichte, kategorieweit vergleichbare Gesamtwertung vor.
Einträge 1-12 von 23. Seite 1 von 2.
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
MMLU instruct (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 83.6
- Bewertung
- 83.6
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:0
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table; 5-shot
MMLU CoT (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 86
- Bewertung
- 86
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:1
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table; CoT
MMLU Pro instruct (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 66.4
- Bewertung
- 66.4
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:2
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table
IFEval (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 87.5
- Bewertung
- 87.5
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:3
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table
ARC instruct (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 94.8
- Bewertung
- 94.8
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:4
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table
GPQA (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 46.7
- Bewertung
- 46.7
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:5
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table
HumanEval (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 80.5
- Bewertung
- 80.5
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:6
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table
MBPP (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 86
- Bewertung
- 86
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:7
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table
GSM8K (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 95.1
- Bewertung
- 95.1
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:8
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table; CoT
MATH (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 68
- Bewertung
- 68
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:9
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct table
API-Bank (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 90
- Bewertung
- 90
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:10
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct tool-use table
BFCL (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 84.8
- Bewertung
- 84.8
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-3.1-70b:11
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 3.1 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruct tool-use table
Eigene Modelltests
Community-Tests zum Anschauen
Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.
Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.
Prompt und Testbedingungen
Generate an SVG of a pelican riding a bicycle
Tokenlimit inklusive Reasoning: 8.192 Token
Ursprung der Aufgabe (Simon Willison)Steckbrief
Technische Daten und Zugang
Veröffentlichte Angaben zum Modell. Vorhandene Schätzungen sind ausdrücklich gekennzeichnet.
Weitere Quellenangaben
Datierte Angaben aus Dokumentation und Modellkarten. Anbieterlimits sowie native und erweiterte Kontextfenster können sich unterscheiden. Konfigurationshinweise bleiben im Original erhalten.
Kosten
Veröffentlichte Preise
Die Preise gelten für die jeweils genannte Einheit. Auflösung, Ausgabelänge und Anbieter können die Kosten verändern.
Kostenbeispiel
100 API-Anfragen
0,06 $
100 Anfragen mit je 1.000 Eingabe- und 500 Ausgabe-Token kosten rechnerisch 0,06 $. Davon entfallen 0,04 $ auf Eingaben und 0,02 $ auf Ausgaben.
- Eingabe-Preis
- 0,4 $ / 1 Mio. TokenBasisstufe je Anfrage
- Ausgabe-Preis
- 0,4 $ / 1 Mio. TokenBasisstufe je Anfrage
Die Rechnung nutzt die dokumentierten Tokenpreise und keinen Cache-Rabatt. Zusätzliche Tools, Steuern, Reasoning-Token und weitere nicht sichtbare Ausgabe-Token sind nicht enthalten.
Quelle öffnenDirekte Vergleiche
Dieses Modell im Vergleich
Jedes Duell vergleicht dieses Modell mit genau einem weiteren Modell aus derselben Kategorie.
Für dieses Modell sind noch keine direkten Vergleiche veröffentlicht.
Weitere Modelle
Modelle derselben Auswahl
Alle KI-Modelle
Nachweise
Quellen und Datenstand
Alle Angaben verweisen auf die zugrunde liegende Dokumentation oder das jeweilige Leaderboard.
- Geschwindigkeit
Median der bereitstellenden Anbieter. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Bei Artificial Analysis als veraltet eingeordnet. Artificial Analysis pflegt dort nur noch den Standard-Workload mit 10.000 Eingabe-Token. Abgerufen am 8. September 2026.
- Preis
API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten.
- Eingabe
Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
- Ausgabe
Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
Recherchestand 8. September 2026. 2 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Offene Nachweise und Recherchehinweise (Originalwortlaut)
In den geprüften Quellen nicht gefunden
max-output-tokens. No model-specific maximum output in the card.