Llama 3.1 8B: Daten & Quellen

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	Open WeightsQuelle nicht angegeben
Zugang	API, LokalQuelle
Parameter	8 Mrd.Quelle nicht angegeben
Kontextfenster	131.072 TokenQuelle
Knowledge Cutoff	Dezember 2023Quelle
Lizenz	Llama 3.1 Community LicenseQuelle
Veröffentlichung	2024-07-23Quelle
Parameter	8 Mrd.Quelle
Architektur	dense transformer with GQAQuelle
Eingabe	TextQuelle
Ausgabe	Text, codeQuelle
Trainings-Token	15T+Quelle
Wissensstand	2023-12Quelle

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: 69.4
Bewertung: 69.4
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
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

Quelle Meta Llama 3.1 model card

MMLU CoT (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 73
Bewertung: 73
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct table; CoT

Quelle Meta Llama 3.1 model card

MMLU Pro instruct (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 48.3
Bewertung: 48.3
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct table

Quelle Meta Llama 3.1 model card

IFEval (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 80.4
Bewertung: 80.4
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct table

Quelle Meta Llama 3.1 model card

ARC instruct (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 83.4
Bewertung: 83.4
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct table

Quelle Meta Llama 3.1 model card

GPQA (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 30.4
Bewertung: 30.4
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct table

Quelle Meta Llama 3.1 model card

HumanEval (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 72.6
Bewertung: 72.6
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct table

Quelle Meta Llama 3.1 model card

MBPP (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 72.8
Bewertung: 72.8
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct table

Quelle Meta Llama 3.1 model card

MultiE HumanEval (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 50.8
Bewertung: 50.8
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct multilingual code table

Quelle Meta Llama 3.1 model card

MultiE MBPP (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 52.4
Bewertung: 52.4
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct multilingual code table

Quelle Meta Llama 3.1 model card

GSM8K (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 84.5
Bewertung: 84.5
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct table; CoT

Quelle Meta Llama 3.1 model card

MATH (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 51.9
Bewertung: 51.9
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruct table

Quelle Meta Llama 3.1 model card

Seite 1 von 3

Unsere Tests

Angezeigt wird jeweils der aktuellste Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Frühere Läufe bleiben in den Testdetails erreichbar. Die Ergebnisse fließen nicht in einen Gesamtscore ein.

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Llama 3.1 8B

Reasoning (angefragt): nicht vorgegeben

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: meta-llama/llama-3.1-8b-instruct
API-Modell laut Antwort: meta-llama/llama-3.1-8b-instruct
Reasoning-Einstellung: nicht vorgegeben
Festgelegter Endpunkt: DeepInfra | meta-llama/llama-3.1-8b-instruct
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 33,6 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

Beliebtheit

27,6 / 100

Veröffentlichte Preise

Marktpreis: Median aus 5 OpenRouter-Endpunkten von 5 Anbietern (repräsentativ: Groq), beobachtet am 6. Oktober 2026. Cache-Preise unterscheiden sich je Anbieter und werden nicht ausgewiesen.

API-Eingabe: 0,05 $ pro 1 Mio. TokenQuelle
API-Ausgabe: 0,08 $ pro 1 Mio. TokenQuelle

Quellen und Datenstand

Art	Nachweis und Datenstand
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. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Meta Llama 3.1 model card (abgerufen 8. September 2026) · Meta Llama 3.1 model card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Meta Llama 3.1 model card (abgerufen 8. September 2026) · Meta Llama 3.1 model card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 2 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	max-output-tokens Originalwortlaut No model-specific maximum output in card.
Weitere Quelle	Kontextfenster-Daten
Weitere Quelle	Wissensstand-Daten · Meta Llama model documentation · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0