NVIDIASprachmodell
Llama 3.1 Nemotron 70B Instruct
Für Llama 3.1 Nemotron 70B Instruct gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
BeliebtheitPlatz 423 von 785
35von 100-1 zum Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Llama 3.1 Nemotron 70B Instruct ist NVIDIAs nachtrainierte Llama-3.1-Variante mit 70 Milliarden Parametern und 128.000 Token Kontext.
Das Modell verarbeitet Text und unterstützt Werkzeugaufrufe. Die offene Bereitstellung steht unter der Llama-3.1-Community-Lizenz, nicht unter der NVIDIA-Open-Model-Lizenz. Für ein eigenes Produkt gelten damit andere Nutzungsbedingungen als bei NVIDIAs Open-Model-Lizenz. Der Checkpoint ist Instruct und damit weder ein Base-Modell noch eine spätere Nemotron-Generation.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 46 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 4
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: Llama 3.1 Nemotron Instruct 70B (Release llama-3-1-nemotron-instruct-70b, Zeile llama-3-1-nemotron-instruct-70b, UUID 7393c56a-ec31-48e9-b804-c04f2d2cb641, 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/7393c56a-ec31-48e9-b804-c04f2d2cb641/llama-3-1-nemotron-instruct-70b/llama-3-1-nemotron-instruct-70b. Name des Quellmodells: Llama 3.1 Nemotron 70B Instruct. Anbieter laut Quelle: NVIDIA. Modellstand: Llama 3.1 Nemotron Instruct 70B. 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: Llama 3.1 Nemotron Instruct 70B (Release llama-3-1-nemotron-instruct-70b, Zeile llama-3-1-nemotron-instruct-70b, UUID 7393c56a-ec31-48e9-b804-c04f2d2cb641, 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
- 30.748299319727902
- Bewertung
- 30.748299319727902
- 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: Llama 3.1 Nemotron Instruct 70B (Release llama-3-1-nemotron-instruct-70b, Zeile llama-3-1-nemotron-instruct-70b, UUID 7393c56a-ec31-48e9-b804-c04f2d2cb641, 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/7393c56a-ec31-48e9-b804-c04f2d2cb641/llama-3-1-nemotron-instruct-70b/llama-3-1-nemotron-instruct-70b. Name des Quellmodells: Llama 3.1 Nemotron 70B Instruct. Anbieter laut Quelle: NVIDIA. Modellstand: Llama 3.1 Nemotron Instruct 70B. 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: 30,7 %. 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: Llama 3.1 Nemotron Instruct 70B (Release llama-3-1-nemotron-instruct-70b, Zeile llama-3-1-nemotron-instruct-70b, UUID 7393c56a-ec31-48e9-b804-c04f2d2cb641, 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
- 30.748299319727902
- Bewertung
- 30.748299319727902
- 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
- 2026-11-07
- Methodik
- Exakte AA-Konfiguration: Llama 3.1 Nemotron Instruct 70B (Release llama-3-1-nemotron-instruct-70b, Zeile llama-3-1-nemotron-instruct-70b, UUID 7393c56a-ec31-48e9-b804-c04f2d2cb641, 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/7393c56a-ec31-48e9-b804-c04f2d2cb641/llama-3-1-nemotron-instruct-70b/llama-3-1-nemotron-instruct-70b. Name des Quellmodells: Llama 3.1 Nemotron 70B Instruct. Anbieter laut Quelle: NVIDIA. Modellstand: Llama 3.1 Nemotron Instruct 70B. 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: 30,7 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-07-b96e3ffc8c5b. Prüfsumme der Quelldaten: b96e3ffc8c5b052aa56f96d05e89d02b8cc234a75085820fca0ca2a39e498274. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-07. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: Llama 3.1 Nemotron Instruct 70B (Release llama-3-1-nemotron-instruct-70b, Zeile llama-3-1-nemotron-instruct-70b, UUID 7393c56a-ec31-48e9-b804-c04f2d2cb641, 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.
Long-RewardBench Pairwise LongQA (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 47.1
- Bewertung
- 47.1
- Messgröße
- Pairwise preference judgment accuracy
- Einheit
- %
- Benchmark-Version
- arXiv:2510.06915v2
- Kategorie
- Long-context reward modeling
- Richtung
- Mehr ist besser
- Stichprobe
- 240
- Quellentyp
- independent-evaluator
- Auswertung
- LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (arXiv:2510.06915v2)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Vorläufige Long-RewardBench-Auswertung, Tabelle 1, Spalte Pairwise LongQA. Das Modell wird als generatives Reward- und Bewertungsmodell mit Long-Context-Eingaben aus Frage, Kontext und Antwortkandidaten geprüft. Die ausgewiesene Kennzahl ist die Genauigkeit des Präferenzurteils. Im Modellabschnitt ordnet die Studie die verkürzte Tabellenzeile „Nemotron-70B-Instruct“ dem Llama-3.1-Nemotron-70B-Instruct zu. Anhang A nennt 240 Items für diese Aufgabenspalte.
- Einordnung
- Die Studie veröffentlicht kein Konfidenzintervall. Sie nennt für diese Auswertung weder eine Checkpoint-Revision noch Quantisierung, Inferenz-Engine oder Anbieterroute. Gemessen wird die Leistung als Reward- und Bewertungsmodell, nicht die allgemeine Antwortqualität bei der Textgenerierung.
Long-RewardBench Pairwise Summ (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 33
- Bewertung
- 33
- Messgröße
- Pairwise preference judgment accuracy
- Einheit
- %
- Benchmark-Version
- arXiv:2510.06915v2
- Kategorie
- Long-context reward modeling
- Richtung
- Mehr ist besser
- Stichprobe
- 200
- Quellentyp
- independent-evaluator
- Auswertung
- LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (arXiv:2510.06915v2)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Vorläufige Long-RewardBench-Auswertung, Tabelle 1, Spalte Pairwise Summ für Zusammenfassungen. Das Modell wird als generatives Reward- und Bewertungsmodell mit Long-Context-Eingaben aus Frage, Kontext und Antwortkandidaten geprüft. Die ausgewiesene Kennzahl ist die Genauigkeit des Präferenzurteils. Im Modellabschnitt ordnet die Studie die verkürzte Tabellenzeile „Nemotron-70B-Instruct“ dem Llama-3.1-Nemotron-70B-Instruct zu. Anhang A nennt 200 Items für diese Aufgabenspalte.
- Einordnung
- Die Studie veröffentlicht kein Konfidenzintervall. Sie nennt für diese Auswertung weder eine Checkpoint-Revision noch Quantisierung, Inferenz-Engine oder Anbieterroute. Gemessen wird die Leistung als Reward- und Bewertungsmodell, nicht die allgemeine Antwortqualität bei der Textgenerierung.
Long-RewardBench Pairwise Safety (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 57.1
- Bewertung
- 57.1
- Messgröße
- Pairwise preference judgment accuracy
- Einheit
- %
- Benchmark-Version
- arXiv:2510.06915v2
- Kategorie
- Long-context reward modeling
- Richtung
- Mehr ist besser
- Stichprobe
- 140
- Quellentyp
- independent-evaluator
- Auswertung
- LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (arXiv:2510.06915v2)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Vorläufige Long-RewardBench-Auswertung, Tabelle 1, Spalte Pairwise Safety. Das Modell wird als generatives Reward- und Bewertungsmodell mit Long-Context-Eingaben aus Frage, Kontext und Antwortkandidaten geprüft. Die ausgewiesene Kennzahl ist die Genauigkeit des Präferenzurteils. Im Modellabschnitt ordnet die Studie die verkürzte Tabellenzeile „Nemotron-70B-Instruct“ dem Llama-3.1-Nemotron-70B-Instruct zu. Anhang A nennt 140 Items für diese Aufgabenspalte.
- Einordnung
- Die Studie veröffentlicht kein Konfidenzintervall. Sie nennt für diese Auswertung weder eine Checkpoint-Revision noch Quantisierung, Inferenz-Engine oder Anbieterroute. Gemessen wird die Leistung als Reward- und Bewertungsmodell, nicht die allgemeine Antwortqualität bei der Textgenerierung.
Long-RewardBench Pairwise ICL (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 41.3
- Bewertung
- 41.3
- Messgröße
- Pairwise preference judgment accuracy
- Einheit
- %
- Benchmark-Version
- arXiv:2510.06915v2
- Kategorie
- Long-context reward modeling
- Richtung
- Mehr ist besser
- Stichprobe
- 160
- Quellentyp
- independent-evaluator
- Auswertung
- LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (arXiv:2510.06915v2)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Vorläufige Long-RewardBench-Auswertung, Tabelle 1, Spalte Pairwise ICL. Das Modell wird als generatives Reward- und Bewertungsmodell mit Long-Context-Eingaben aus Frage, Kontext und Antwortkandidaten geprüft. Die ausgewiesene Kennzahl ist die Genauigkeit des Präferenzurteils. Im Modellabschnitt ordnet die Studie die verkürzte Tabellenzeile „Nemotron-70B-Instruct“ dem Llama-3.1-Nemotron-70B-Instruct zu. Anhang A nennt 160 Items für diese Aufgabenspalte.
- Einordnung
- Die Studie veröffentlicht kein Konfidenzintervall. Sie nennt für diese Auswertung weder eine Checkpoint-Revision noch Quantisierung, Inferenz-Engine oder Anbieterroute. Gemessen wird die Leistung als Reward- und Bewertungsmodell, nicht die allgemeine Antwortqualität bei der Textgenerierung.
Long-RewardBench Pairwise Cite (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 54
- Bewertung
- 54
- Messgröße
- Pairwise preference judgment accuracy
- Einheit
- %
- Benchmark-Version
- arXiv:2510.06915v2
- Kategorie
- Long-context reward modeling
- Richtung
- Mehr ist besser
- Stichprobe
- 100
- Quellentyp
- independent-evaluator
- Auswertung
- LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (arXiv:2510.06915v2)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Vorläufige Long-RewardBench-Auswertung, Tabelle 1, Spalte Pairwise Cite. Das Modell wird als generatives Reward- und Bewertungsmodell mit Long-Context-Eingaben aus Frage, Kontext und Antwortkandidaten geprüft. Die ausgewiesene Kennzahl ist die Genauigkeit des Präferenzurteils. Im Modellabschnitt ordnet die Studie die verkürzte Tabellenzeile „Nemotron-70B-Instruct“ dem Llama-3.1-Nemotron-70B-Instruct zu. Anhang A nennt 100 Items für diese Aufgabenspalte.
- Einordnung
- Die Studie veröffentlicht kein Konfidenzintervall. Sie nennt für diese Auswertung weder eine Checkpoint-Revision noch Quantisierung, Inferenz-Engine oder Anbieterroute. Gemessen wird die Leistung als Reward- und Bewertungsmodell, nicht die allgemeine Antwortqualität bei der Textgenerierung.
Long-RewardBench Pairwise Code (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 53
- Bewertung
- 53
- Messgröße
- Pairwise preference judgment accuracy
- Einheit
- %
- Benchmark-Version
- arXiv:2510.06915v2
- Kategorie
- Long-context reward modeling
- Richtung
- Mehr ist besser
- Stichprobe
- 100
- Quellentyp
- independent-evaluator
- Auswertung
- LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (arXiv:2510.06915v2)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Vorläufige Long-RewardBench-Auswertung, Tabelle 1, Spalte Pairwise Code. Das Modell wird als generatives Reward- und Bewertungsmodell mit Long-Context-Eingaben aus Frage, Kontext und Antwortkandidaten geprüft. Die ausgewiesene Kennzahl ist die Genauigkeit des Präferenzurteils. Im Modellabschnitt ordnet die Studie die verkürzte Tabellenzeile „Nemotron-70B-Instruct“ dem Llama-3.1-Nemotron-70B-Instruct zu. Anhang A nennt 100 Items für diese Aufgabenspalte.
- Einordnung
- Die Studie veröffentlicht kein Konfidenzintervall. Sie nennt für diese Auswertung weder eine Checkpoint-Revision noch Quantisierung, Inferenz-Engine oder Anbieterroute. Gemessen wird die Leistung als Reward- und Bewertungsmodell, nicht die allgemeine Antwortqualität bei der Textgenerierung.
Long-RewardBench Pairwise Math (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 65
- Bewertung
- 65
- Messgröße
- Pairwise preference judgment accuracy
- Einheit
- %
- Benchmark-Version
- arXiv:2510.06915v2
- Kategorie
- Long-context reward modeling
- Richtung
- Mehr ist besser
- Stichprobe
- 60
- Quellentyp
- independent-evaluator
- Auswertung
- LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (arXiv:2510.06915v2)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Vorläufige Long-RewardBench-Auswertung, Tabelle 1, Spalte Pairwise Math. Das Modell wird als generatives Reward- und Bewertungsmodell mit Long-Context-Eingaben aus Frage, Kontext und Antwortkandidaten geprüft. Die ausgewiesene Kennzahl ist die Genauigkeit des Präferenzurteils. Im Modellabschnitt ordnet die Studie die verkürzte Tabellenzeile „Nemotron-70B-Instruct“ dem Llama-3.1-Nemotron-70B-Instruct zu. Anhang A nennt 60 Items für diese Aufgabenspalte.
- Einordnung
- Die Studie veröffentlicht kein Konfidenzintervall. Sie nennt für diese Auswertung weder eine Checkpoint-Revision noch Quantisierung, Inferenz-Engine oder Anbieterroute. Gemessen wird die Leistung als Reward- und Bewertungsmodell, nicht die allgemeine Antwortqualität bei der Textgenerierung.
Long-RewardBench Best-of-N Rank2 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 25.7
- Bewertung
- 25.7
- Messgröße
- Rank Match Ratio
- Einheit
- %
- Benchmark-Version
- arXiv:2510.06915v2
- Kategorie
- Long-context reward modeling
- Richtung
- Mehr ist besser
- Stichprobe
- 300
- Quellentyp
- independent-evaluator
- Auswertung
- LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (arXiv:2510.06915v2)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Vorläufige Long-RewardBench-Auswertung, Tabelle 1, Spalte Best-of-N Rank2. Das Modell wird als generatives Reward- und Bewertungsmodell mit Long-Context-Eingaben aus Frage, Kontext und Antwortkandidaten geprüft. Der Wert ist das Rank Match Ratio, also der Anteil der Positionen, an denen die vorhergesagte Reihenfolge mit der Gold-Rangfolge übereinstimmt. Im Modellabschnitt ordnet die Studie die verkürzte Tabellenzeile „Nemotron-70B-Instruct“ dem Llama-3.1-Nemotron-70B-Instruct zu. Anhang A nennt 300 Items für diese Aufgabenspalte.
- Einordnung
- Die Studie veröffentlicht kein Konfidenzintervall. Sie nennt für diese Auswertung weder eine Checkpoint-Revision noch Quantisierung, Inferenz-Engine oder Anbieterroute. Gemessen wird die Leistung als Reward- und Bewertungsmodell, nicht die allgemeine Antwortqualität bei der Textgenerierung.
Long-RewardBench Best-of-N Rank3 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 22.3
- Bewertung
- 22.3
- Messgröße
- Rank Match Ratio
- Einheit
- %
- Benchmark-Version
- arXiv:2510.06915v2
- Kategorie
- Long-context reward modeling
- Richtung
- Mehr ist besser
- Stichprobe
- 300
- Quellentyp
- independent-evaluator
- Auswertung
- LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (arXiv:2510.06915v2)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Vorläufige Long-RewardBench-Auswertung, Tabelle 1, Spalte Best-of-N Rank3. Das Modell wird als generatives Reward- und Bewertungsmodell mit Long-Context-Eingaben aus Frage, Kontext und Antwortkandidaten geprüft. Der Wert ist das Rank Match Ratio, also der Anteil der Positionen, an denen die vorhergesagte Reihenfolge mit der Gold-Rangfolge übereinstimmt. Im Modellabschnitt ordnet die Studie die verkürzte Tabellenzeile „Nemotron-70B-Instruct“ dem Llama-3.1-Nemotron-70B-Instruct zu. Anhang A nennt 300 Items für diese Aufgabenspalte.
- Einordnung
- Die Studie veröffentlicht kein Konfidenzintervall. Sie nennt für diese Auswertung weder eine Checkpoint-Revision noch Quantisierung, Inferenz-Engine oder Anbieterroute. Gemessen wird die Leistung als Reward- und Bewertungsmodell, nicht die allgemeine Antwortqualität bei der Textgenerierung.
Seite 1 von 4
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
Llama 3.1 Nemotron 70B InstructHolo4-35B-A3B 35MiMo-V2.5-Pro 35Magistral Small 1.2 35Mistral Large 2407 35
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 Llama 3.1 Nemotron 70B Instruct, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Llama 3.3 Nemotron Super 49B v1NVIDIA · gleicher Anbieter
- Llama 3.3 Nemotron Super 49B v1.5NVIDIA · gleicher Anbieter
- Nemotron 3 SuperNVIDIA · gleicher Anbieter
- Nemotron 3 NanoNVIDIA · gleicher Anbieter
- Nemotron Cascade 2 30B A3BNVIDIA · gleicher Anbieter
- Llama 3.1 Nemotron Ultra 253BNVIDIA · gleicher Anbieter
- Nemotron Nano 2 VL 12BNVIDIA · gleicher Anbieter
- Nemotron Nano 2 9BNVIDIA · 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 Llama 3.1 Nemotron 70B Instruct
Wie groß ist das Kontextfenster von Llama 3.1 Nemotron 70B Instruct?
128.000 Token. So viel Text liest Llama 3.1 Nemotron 70B Instruct auf einmal, das sind rund 190 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
Llama 3.1 Nemotron 70B InstructPlatz 98 von 103128 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Kann ich Llama 3.1 Nemotron 70B Instruct lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von NVIDIA
- Offene Gewichte
- ja
- Lizenz
- Llama 3.1 Community
- Parameter
- 70 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 23 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 |
| LMArena | 0 | 0 | 1 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 1 Messwerte sind noch keiner Testreihe zugeordnet.