MetaSprachmodell
Code Llama 70B Instruct
Für Code Llama 70B Instruct gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
16von 100-7 zum Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Code Llama 70B Instruct ist ein älterer offener Meta-Checkpoint, der ausdrücklich für Programmieraufgaben ausgerichtet wurde. Die Hugging-Face-Karte beschreibt herunterladbare Gewichte unter der Llama-2-Community-Lizenz, keinen bestimmten aktuellen API-Dienst.
Die Hugging-Face-Karte listet aktuell keinen Inference Provider, nennt Fine-Tuning bis 16.000 Token und schließt einen 100K-Langkontext für diese Variante aus. Llama 3.3 70B ist ein späterer offener Meta-Checkpoint für Text und Code, bleibt aber ein anderes Modell als Code Llama 70B Instruct.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 90 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 8
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
HumanEval (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 67.8
- Bewertung
- 67.8
- Messgröße
- pass@1
- Einheit
- %
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Databricks DBRX release benchmark report
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Der exakte Checkpoint CodeLlama-70B-Instruct wurde auf HumanEval nach dem in der Modellkarte beschriebenen Standardverfahren ausgewertet; die Quelle macht keine Angaben zu Prompt, Decoding- und Sampling-Einstellungen, Harness-Version oder Bewertungsmodell.
HumanEval (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 67.8
- Bewertung
- 67.8
- Messgröße
- pass@1
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 2
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; ohne Beispiele (Zero-shot); Greedy-Decoding.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
HumanEval (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 90.3
- Bewertung
- 90.3
- Messgröße
- pass@10
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 2
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; ohne Beispiele (Zero-shot); Nucleus-Sampling p=0,95, Temperatur 0,8.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
HumanEval (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 97.257
- Bewertung
- 97.257
- Messgröße
- pass@100
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 2
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; ohne Beispiele (Zero-shot); Nucleus-Sampling p=0,95, Temperatur 0,8.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
MBPP (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 62.2
- Bewertung
- 62.2
- Messgröße
- pass@1
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 2
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; 3 Beispiele (3-shot); Greedy-Decoding.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
MBPP (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 79.6
- Bewertung
- 79.6
- Messgröße
- pass@10
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 2
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; 3 Beispiele (3-shot); Nucleus-Sampling p=0,95, Temperatur 0,8.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
MBPP (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 89.208
- Bewertung
- 89.208
- Messgröße
- pass@100
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 2
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; 3 Beispiele (3-shot); Nucleus-Sampling p=0,95, Temperatur 0,8.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
MultiPL-E HumanEval C++ (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 53.4
- Bewertung
- 53.4
- Messgröße
- pass@1
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 4
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; Übersetzung für C++; Zero-shot; Greedy-Decoding.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
MultiPL-E HumanEval Java (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 58.2
- Bewertung
- 58.2
- Messgröße
- pass@1
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 4
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; Übersetzung für Java; Zero-shot; Greedy-Decoding.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
MultiPL-E HumanEval PHP (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 58.4
- Bewertung
- 58.4
- Messgröße
- pass@1
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 4
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; Übersetzung für PHP; Zero-shot; Greedy-Decoding.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
MultiPL-E HumanEval TypeScript (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 39
- Bewertung
- 39
- Messgröße
- pass@1
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 4
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; Übersetzung für TypeScript; Zero-shot; Greedy-Decoding.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
MultiPL-E HumanEval C# (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 36.7
- Bewertung
- 36.7
- Messgröße
- pass@1
- Einheit
- %
- Benchmark-Version
- Code Llama technical report Table 4
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Code Llama technical report
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. CodeLlama-70b-Instruct; Übersetzung für C#; Zero-shot; Greedy-Decoding.
- Einordnung
- Die Quelle nennt für diesen Wert keine Stichprobengröße und kein Konfidenzintervall.
Seite 1 von 8
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
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 7. November 2026
Code Llama 70B InstructMuse Wonder Full 16Codestral (latest) 16Ornith 1.0 31B 16Solar Mini 16
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie Code Llama 70B Instruct, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Llama 3.1 70B InstructMeta · gleicher Anbieter
- Llama 3.1 70BMeta · gleicher Anbieter
- Llama 3.3 70BMeta · gleicher Anbieter
- Llama-3.3-70B-InstructMeta · gleicher Anbieter
- Llama 3.1 405B InstructMeta · gleicher Anbieter
- Llama-3.2-11B-Vision-InstructMeta · gleicher Anbieter
- Llama 3.1 8B InstructMeta · gleicher Anbieter
- Llama 3.1 8BMeta · gleicher Anbieter
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
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
Häufige Fragen zu Code Llama 70B Instruct
Kann ich Code Llama 70B Instruct lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von Meta
- Offene Gewichte
- ja
- Lizenz
- Llama 2 Community
- Parameter
- 70 Mrd.
- davon aktiv je Token
- k. A.
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 |
|---|---|---|---|
| LMArena | 0 | 0 | 1 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 1 Messwerte sind noch keiner Testreihe zugeordnet.
| Art | Nachweis und Datenstand |
|---|---|
| Eingabe | Dokumentierte Modalitäten. |
| Ausgabe | Dokumentierte Modalitäten. |
| Recherchestand | Recherchestand 15. Oktober 2026. 17 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | independent-human-eval-setup Hinweis Databricks nennt für den Vergleich weder den Prompt noch die Ausführungsumgebung für Code oder die Stichprobenkonfiguration. |
| Nicht veröffentlicht | evaluated N Originalwortlaut The leaderboard reports preference-vote totals but no fixed task-case N; Votes are not copied to sampleCount. |
| Ungeklärt | confidence interval Originalwortlaut The Score cell displays ±, but the official policy does not define that notation as a confidence interval; no CI field is populated. |
| Ungeklärt | score direction Originalwortlaut The captured source does not explicitly state higher-is-better or lower-is-better; higherIsBetter remains null. |
| Nicht veröffentlicht | per-model prompts and generation settings Originalwortlaut No exact prompt, decoding settings, or serving configuration is published in the captured row. |
| Weitere Quelle | Databricks DBRX release benchmark report (abgerufen 15. Oktober 2026) |
| Weitere Quelle | Code Llama technical report (abgerufen 16. Oktober 2026) |
| Weitere Quelle | VHDL-Eval: A Framework for Evaluating Large Language Models in VHDL Code Generation (abgerufen 17. Oktober 2026) |
| Weitere Quelle | EFFIBENCH (NeurIPS 2024 paper) (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Arena leaderboard (abgerufen 18. Oktober 2026) |
| Weitere Quelle | InfiBench paper, NeurIPS 2024 Datasets and Benchmarks Track (abgerufen 20. Oktober 2026) |
| Weitere Quelle | BigCodeBench official leaderboard (abgerufen 28. Oktober 2026)12 |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026)12 |
| Weitere Quelle | Modellmetadaten (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 28. Oktober 2026)1234 |
| 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 |