GPT-4.1, von OpenAI am 14. April 2025 eingeführt, bietet ein Kontextfenster von 1 Million Token und unterstützt Ausgaben von bis zu 32.768 Token pro Anfrage. Es liefert herausragende Leistung bei Codierungsaufgaben, erreicht 54,6 % im SWE-Bench Verified-Benchmark und zeigt eine 10,5 %ige Verbesserung gegenüber GPT-4o im MultiChallenge für die Befolgung von Anweisungen. Der Wissensstand des Modells ist auf Juni 2024 festgelegt. Die Preisgestaltung beträgt 2,00 $ pro Million Token für Eingaben und 8,00 $ pro Million Token für Ausgaben, mit einem 75 %igen Rabatt für zwischengespeicherte Eingaben, was es für wiederholte Abfragen äußerst kosteneffizient macht.
„Llama 3.3 70B Instruct“, entwickelt von Meta, ist ein mehrsprachiges großes Sprachmodell, das speziell für auf Anweisungen basierende Aufgaben feinabgestimmt und für Konversationsanwendungen optimiert wurde. Es kann Texte in mehreren Sprachen verarbeiten und generieren, mit einem Kontextfenster, das bis zu 128.000 Token unterstützt. Das Modell wurde am 6. Dezember 2024 veröffentlicht und übertrifft zahlreiche Open-Source- und proprietäre Chatmodelle in verschiedenen Branchenbenchmarks. Es nutzt Grouped-Query Attention (GQA),um die Skalierbarkeit zu verbessern, und wurde mit einem vielfältigen Datensatz trainiert, der über 15 Billionen Token aus öffentlich zugänglichen Quellen umfasst. Das Modellwissen ist auf dem Stand von Dezember 2023.
| GPT-4.1 | Llama 3.3 70B Instruct | |
|---|---|---|
Anbieter | ||
Webseite | ||
Veröffentlichungsdatum | Apr 14, 2025 2 Wochen ago | Dec 06, 2024 4 Monate ago |
Modalitäten | Text Bilder | Text |
API-Anbieter | OpenAI API | Fireworks, Together, DeepInfra, Hyperbolic |
Datum des Wissensstandes | - | 12.2024 |
Open Source | Nein | Ja |
Preisgestaltung Eingabe | $2.00 pro Million Token | $0.23 pro Million Token |
Preisgestaltung Ausgabe | $8.00 pro Million Token | $0.40 pro Million Token |
MMLU | 90.2% pass@1 Quelle | 86% 0-shot, CoT Quelle |
MMLU Pro | - | 68.9% 5-shot, CoT Quelle |
MMMU | 74.8% Quelle | Nicht verfügbar |
HellaSwag | - | Nicht verfügbar |
HumanEval | - | 88.4% pass@1 Quelle |
MATH | - | 77% 0-shot, CoT Quelle |
GPQA | 66.3% Diamond Quelle | 50.5% 0-shot, CoT Quelle |
IFEval | - | 92.1% Quelle |
Mobile Anwendung | - |
Compare AI. Test. Benchmarks. Mobile Chatbot-Apps, Sketch
Copyright © 2025 All Right Reserved.