Llama 4 Maverick
Noch nicht getestet
SprachmodellAktiv
Llama 4 Maverick
Meta
- Veröffentlicht
- April 2025
- Datenstand
- 8. September 2026
- Intelligenz
- Gesamtwertung
- Geschwindigkeit
- 93 Token/sAusgabe-Tempo
- Preis
- Eingabe · Ausgabe / 1 Mio. Token
- Eingabe
- Text, Bild
- Ausgabe
- Text
Für dieses Modell liegt keine veröffentlichte, kategorieweit vergleichbare Gesamtwertung vor.
Einträge 1-12 von 27. Seite 1 von 3.
Veröffentlichte Benchmarks
Die Charts vergleichen Modelle im selben dokumentierten Test. Das aktuelle Modell ist hervorgehoben.
MultiNRC
Overall
Was der Benchmark prüft: Native Reasoning-Aufgaben auf Französisch, Spanisch und Chinesisch, die nicht aus englischen Vorlagen übersetzt wurden.
Einordnung: Drei Sprachen sind ein wichtiges Gegengewicht zu englischen Tests, aber noch keine globale Sprachabdeckung.
Mehr ist besser10 ModelleLlama 4 Maverick: Platz 10 von 10Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-multinrc-native-languages
- Messgröße
- accuracy
- Skala
- 0-100
- Teilnehmer
- 10
- Methodik und Einordnung
- Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 8,44 % ± 1,68. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-bc7fb4bc0d9a. Prüfsumme der Quelldaten: bc7fb4bc0d9ad4757d46043b7c57b0b056967f2b0062249a99a3f0b616b95e23. Parserversion: curated-v1. Importiert am: 2026-09-04
PRBench Finance
Overall
Was der Benchmark prüft: 600 realistische Finanzfragen mit gewichteten Kriterien, davon 300 im schwierigen Teildatensatz.
Einordnung: Ein o4-mini-Juror bewertet die Antworten. Fachliche Richtigkeit und praktische Verlässlichkeit bleiben deshalb getrennte Fragen.
Mehr ist besser16 ModelleLlama 4 Maverick: Platz 16 von 16Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-prbench-finance-full
- Messgröße
- weighted rubric score
- Skala
- 0-100
- Teilnehmer
- 16
- Methodik und Einordnung
- 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 22,36 % ± 0,42. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-70cdca115a0d. Prüfsumme der Quelldaten: 70cdca115a0da049a285a4ae00fcd400f49e1eea46970bf26fcd4c3374930b5c. Parserversion: curated-v1. Importiert am: 2026-09-04
PRBench Legal
Overall
Was der Benchmark prüft: 500 realistische Rechtsfragen mit gewichteten Kriterien aus unterschiedlichen Ländern und Rechtsgebieten.
Einordnung: Der Benchmark misst professionelle Antwortqualität, ersetzt aber weder Rechtsprüfung noch menschliche Verantwortung.
Mehr ist besser16 ModelleLlama 4 Maverick: Platz 16 von 16Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-prbench-legal-full
- Messgröße
- weighted rubric score
- Skala
- 0-100
- Teilnehmer
- 16
- Methodik und Einordnung
- 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 24,84 % ± 0,9. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-f4e7b1dd0a3e. Prüfsumme der Quelldaten: f4e7b1dd0a3ecd0a1d7d7b08e33377b62d408b58c2f0c61a413a4cfec0d57c2a. Parserversion: curated-v1. Importiert am: 2026-09-04
TutorBench
Overall
Was der Benchmark prüft: 1.490 Aufgaben prüfen adaptive Erklärungen, Feedback und Hinweise in sechs MINT-Fächern.
Einordnung: Ein Claude-4-Sonnet-Juror bewertet gewichtete Rubriken. Gute Testwerte beweisen keine sichere Betreuung echter Lernender.
Mehr ist besser8 ModelleLlama 4 Maverick: Platz 7 von 8Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-tutorbench-overall
- Messgröße
- weighted rubric score
- Skala
- 0-100
- Teilnehmer
- 8
- Methodik und Einordnung
- 1.490 Aufgaben mit gewichteten Rubriken und Claude 4 Sonnet als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 40,2 % ± 1. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-642ef8e45495. Prüfsumme der Quelldaten: 642ef8e45495e730a3e2f2ddc114f60328e5c0c6da76f877e3b1435841792058. Parserversion: curated-v1. Importiert am: 2026-09-04
Bildverständnis
2 MessreihenVISTA
Overall
Was der Benchmark prüft: 758 Bild-Text-Aufgaben verbinden OCR, räumliches Verständnis, Objekterkennung und offene visuelle Schlussfolgerungen.
Einordnung: Der Datensatz ist privat und wird mit aufgabenspezifischen Rubriken bewertet. Die Ergebnisse sind daher schwer unabhängig nachzurechnen.
Mehr ist besser11 ModelleLlama 4 Maverick: Platz 10 von 11Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-vista-private-overall
- Messgröße
- rubric score
- Skala
- 0-100
- Teilnehmer
- 11
- Methodik und Einordnung
- 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 38,33 % ± 0,55. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-ca07b51d9088. Prüfsumme der Quelldaten: ca07b51d90881a89b710581569dec80da9f3d102bf237f2da6dbe4ad5c91b720. Parserversion: curated-v1. Importiert am: 2026-09-04
VisualToolBench
Overall
Was der Benchmark prüft: 1.204 visuelle Aufgaben verlangen Bildbearbeitung, Python, Websuche oder Rechnerzugriff mit höchstens 20 Werkzeugaufrufen.
Einordnung: Der Score gehört zum kompletten multimodalen Werkzeugsystem. Das Modell allein lässt sich daraus nicht isolieren.
Mehr ist besser10 ModelleLlama 4 Maverick: Platz 10 von 10Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-visual-toolbench-apr
- Messgröße
- average pass rate
- Skala
- 0-100
- Teilnehmer
- 10
- Methodik und Einordnung
- 1.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 1,41 % ± 0,25. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-b6f662a26398. Prüfsumme der Quelldaten: b6f662a2639828660d3c7ee001d8c431eb80967131af7ab01b3e852f4e8f899d. Parserversion: curated-v1. Importiert am: 2026-09-04
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
MMMU (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 73.4
- Bewertung
- 73.4
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-4-maverick:0
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 4 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16
MMMU Pro (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 59.6
- Bewertung
- 59.6
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-4-maverick:1
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 4 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16
MathVista (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 73.7
- Bewertung
- 73.7
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-4-maverick:2
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 4 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16
ChartQA (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 90
- Bewertung
- 90
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-4-maverick:3
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 4 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16
DocVQA (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 94.4
- Bewertung
- 94.4
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-4-maverick:4
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 4 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16
LiveCodeBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 43.4
- Bewertung
- 43.4
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:llama-4-maverick:5
- Quellentyp
- vendor-reported
- Auswertung
- Meta Llama 4 model card
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16
Dokumentierte Messdetails
Jede Beobachtung enthält den Quellwert und die veröffentlichten Testbedingungen.
MultiNRC: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 8.44
- Bewertung
- 8.44
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- French, Spanish, and Chinese release
- Kategorie
- reasoning
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-multinrc-native-languages
- Konfidenzintervall
- 1.68
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 8,44 % ± 1,68. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-bc7fb4bc0d9a. Prüfsumme der Quelldaten: bc7fb4bc0d9ad4757d46043b7c57b0b056967f2b0062249a99a3f0b616b95e23. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung.
PRBench Finance: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 22.36
- Bewertung
- 22.36
- Messgröße
- weighted rubric score
- Einheit
- %
- Benchmark-Version
- full finance set
- Kategorie
- finance
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-prbench-finance-full
- Konfidenzintervall
- 0.42
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 22,36 % ± 0,42. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-70cdca115a0d. Prüfsumme der Quelldaten: 70cdca115a0da049a285a4ae00fcd400f49e1eea46970bf26fcd4c3374930b5c. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.
PRBench Legal: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 24.84
- Bewertung
- 24.84
- Messgröße
- weighted rubric score
- Einheit
- %
- Benchmark-Version
- full legal set
- Kategorie
- legal
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-prbench-legal-full
- Konfidenzintervall
- 0.9
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 24,84 % ± 0,9. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-f4e7b1dd0a3e. Prüfsumme der Quelldaten: f4e7b1dd0a3ecd0a1d7d7b08e33377b62d408b58c2f0c61a413a4cfec0d57c2a. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.
TutorBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 40.2
- Bewertung
- 40.2
- Messgröße
- weighted rubric score
- Einheit
- %
- Benchmark-Version
- 1,490-task release
- Kategorie
- education
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-tutorbench-overall
- Konfidenzintervall
- 1
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- 1.490 Aufgaben mit gewichteten Rubriken und Claude 4 Sonnet als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 40,2 % ± 1. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-642ef8e45495. Prüfsumme der Quelldaten: 642ef8e45495e730a3e2f2ddc114f60328e5c0c6da76f877e3b1435841792058. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- 1.490 Aufgaben mit gewichteten Rubriken und Claude 4 Sonnet als Juror.
VISTA: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 38.33
- Bewertung
- 38.33
- Messgröße
- rubric score
- Einheit
- %
- Benchmark-Version
- 758 private prompt-image pairs
- Kategorie
- multimodal
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-vista-private-overall
- Konfidenzintervall
- 0.55
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 38,33 % ± 0,55. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-ca07b51d9088. Prüfsumme der Quelldaten: ca07b51d90881a89b710581569dec80da9f3d102bf237f2da6dbe4ad5c91b720. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.
VisualToolBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.41
- Bewertung
- 1.41
- Messgröße
- average pass rate
- Einheit
- %
- Benchmark-Version
- 1,204-task release
- Kategorie
- multimodal
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-visual-toolbench-apr
- Konfidenzintervall
- 0.25
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- 1.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 1,41 % ± 0,25. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-b6f662a26398. Prüfsumme der Quelldaten: b6f662a2639828660d3c7ee001d8c431eb80967131af7ab01b3e852f4e8f899d. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- 1.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe.
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.
- Lizenz
- Llama 4 Community LicenseQuelle
- Veröffentlichung
- 2025-04-05Quelle
- Parameter
- 400 Mrd.Quelle
- Aktive Parameter
- 17 Mrd.Quelle
- Architektur
- early-fusion sparse mixture-of-expertsQuelle
- Kontextfenster
- 1.048.576 TokenQuelle
- Eingabe
- Text, BildQuelle
- Ausgabe
- Text, codeQuelle
- Sprachen
- 12Quelle
- Trainings-Token
- ~22TQuelle
- Wissensstand
- 2024-08Quelle
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 0,02 $ auf Eingaben und 0,04 $ auf Ausgaben.
- Eingabe-Preis
- 0,2 $ / 1 Mio. TokenBasisstufe je Anfrage
- Ausgabe-Preis
- 0,8 $ / 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.
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. 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. Card does not specify a model-specific maximum output.
- ModellmetadatenQuelle
- Kontextfenster-DatenQuelle
- Wissensstand-DatenQuelle
- API-PreiseQuelle
- Scale AI (abgerufen 26. August 2026)Quelle
- Scale AI (abgerufen 26. August 2026)Quelle
- Scale AI (abgerufen 26. August 2026)Quelle
- Scale AI (abgerufen 26. August 2026)Quelle
- Scale AI (abgerufen 26. August 2026)Quelle
- Scale AI (abgerufen 26. August 2026)Quelle
- Meta Llama 4 model card (abgerufen 8. September 2026)Quelle
- Artificial Analysis (abgerufen 8. September 2026)Quelle
- Messmethode der GeschwindigkeitQuelle