Llama 3.3 Instruct 70B
Llama 3.3 Instruct 70B
Llama 3.3は多言語大型言語モデルで、複数の言語の対話ユースケースに最適化されています。これは事前学習と命令微調整を行った生成モデルで、700億個のパラメータを持ち、一般的な業界基準で多くのオープンソースおよびクローズド型チャットモデルを上回っています。Llama 3.3は128000個のトークンのコンテキスト長をサポートし、複数の言語の商用および研究用途に設計されています。
インテリジェンス(中程度)
速度(比較的遅い)
入力サポートモダリティ
いいえ
推論モデルかどうか
128,000
コンテキストウィンドウ
128,000
最大出力トークン
2023-12-01
知識カットオフ
価格設定
¥1.44 /M tokens
入力
¥1.44 /M tokens
出力
¥4.32 /M tokens
混合価格
クイック簡易比較
Llama 4 Scout
¥0.08
Llama 4 Maverick
¥0.17
Llama 3.1 Instruct 8B
¥0.03
基本パラメータ
GPT-4.1技術パラメータ
パラメータ数
70,000.0M
コンテキスト長
128.00k tokens
トレーニングデータカットオフ
2023-12-01
オープンソースカテゴリ
Open Weights (Permissive License)
マルチモーダルサポート
テキストのみ
スループット
2,220
リリース日
2024-12-06
応答速度
94.47,521 tokens/s
ベンチマークスコア
以下はclaude-monetの様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
4111
大規模言語モデルインテリジェンスレベル
コーディング指数
2741
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
-
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
71.3
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
49.8
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
4
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
28.8
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
26
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
86
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
77.3
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
30
高難度の数学競技問題(特にAIMEレベル)を解決するAIモデルの能力を測定する指標
おすすめAIモデル
Gemini 1.0 Pro
google

¥3.6
入力トークン/百万
¥10.8
出力トークン/百万
33k
コンテキスト長
GPT 4
openai

¥216
入力トークン/百万
¥432
出力トークン/百万
8192
コンテキスト長
Qwen2.5 Coder Instruct 32B
alibaba

¥0.65
入力トークン/百万
¥0.65
出力トークン/百万
131k
コンテキスト長
Gemini 1.5 Flash 8B
google

¥0.58
入力トークン/百万
¥2.16
出力トークン/百万
1M
コンテキスト長
Gemini 1.5 Pro (May '24)
google

¥18
入力トークン/百万
¥72
出力トークン/百万
2M
コンテキスト長
Llama 3.2 Instruct 11B (Vision)
meta

¥0.43
入力トークン/百万
¥0.43
出力トークン/百万
128k
コンテキスト長
Gemini 2.0 Flash (experimental)
google

¥0.72
入力トークン/百万
¥5.04
出力トークン/百万
1M
コンテキスト長
O1 Preview
openai

¥108
入力トークン/百万
¥432
出力トークン/百万
128k
コンテキスト長