Llama 3.1 Instruct 405B
Llama 3.1 Instruct 405B
Llama 3.1 405B Instructは、多言語対話アプリケーションのシナリオに最適化された大規模言語モデルです。一般的な業界ベンチマークテストでは、利用可能な多くのオープンソースおよびクローズドソースのチャットモデルを上回る優れた性能を発揮します。このモデルは8つの言語をサポートし、128Kトークンのコンテキスト長を持っています。
インテリジェンス(比較的弱い)
速度(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
¥6.48 /M tokens
入力
¥6.48 /M tokens
出力
¥25.2 /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
405,000.0M
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
100
リリース日
2024-07-23
応答速度
32.69,807 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
4049
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
3017
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
73.2
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
51.5
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
4.2
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
30.5
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
29.9
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
85.4
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
70.3
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
21.3
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