„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.
Webseite KI-Modell-Webseite | |
Anbieter Die Entität, die dieses Modell bereitstellt. | |
Chat Geben Sie eine Nachricht ein, um zu chatten | - |
Veröffentlichungsdatum Wann das Modell erstmals veröffentlicht wurde. | 1 Jahr ago Dez 06, 2024 |
Modalitäten Arten von Daten, die dieses Modell verarbeiten kann | Text |
API-Anbieter Die Anbieter, die dieses Modell anbieten. (Diese Liste ist nicht vollständig.) | Fireworks, Together, DeepInfra, Hyperbolic |
Datum des Wissensstandes Wann das Wissen des Modells zuletzt aktualisiert wurde. | 12.2024 |
Open Source Ob der Code des Modells öffentlich verfügbar ist. | Ja |
Preisgestaltung Eingabe Kosten für die Verarbeitung von Token in Ihren Eingaben | $0.23 pro Million Token |
Preisgestaltung Ausgabe Kosten für vom Modell generierte Token | $0.40 pro Million Token |
MMLU Massive Multitask Language Understanding – Testet Wissen in 57 Fächern, darunter Mathematik, Geschichte, Recht und mehr | 86% 0-shot, CoT Quelle |
MMLU-Pro Ein robusterer MMLU-Benchmark mit schwierigeren, auf logisches Denken fokussierten Fragen, einer größeren Auswahl an Antworten und geringerer Sensitivität für Eingabevariationen | 68.9% 5-shot, CoT Quelle |
MMMU Massive Multitask Multimodal Understanding – Testet das Verständnis über Text, Bilder, Audio und Video hinweg | Nicht verfügbar |
HellaSwag Ein anspruchsvoller Benchmark für Satzvervollständigung | Nicht verfügbar |
HumanEval Bewertet Codegenerierung und Problemlösungsfähigkeiten | 88.4% pass@1 Quelle |
MATH Testet mathematische Problemlösungsfähigkeiten auf verschiedenen Schwierigkeitsstufen | 77% 0-shot, CoT Quelle |
GPQA Testet Wissen auf PhD-Niveau in Chemie, Biologie und Physik durch Multiple-Choice-Fragen, die tiefgehendes Fachwissen erfordern | 50.5% 0-shot, CoT Quelle |
IFEval Testet die Fähigkeit des Modells, Formatierungsvorgaben genau zu befolgen, angemessene Ausgaben zu generieren und konsistente Instruktionsbefolgung über verschiedene Aufgaben hinweg zu gewährleisten | 92.1% Quelle |
SimpleQA Bewertung der Genauigkeit einfacher Fragen | - |
AIME 2024 | - |
AIME 2025 | - |
Aider Polyglot Mehrsprachige Programmier-Benchmark. | - |
LiveCodeBench v5 Benchmark für Echtzeit-Programmierung | - |
Global MMLU (Lite) Eine vereinfachte Version des Benchmarks zur Beurteilung der Universalität von Modellen auf globaler Ebene. | - |
MathVista Bewertet die mathematischen Denkfähigkeiten von KI-Modellen in visuellen Kontexten | - |
Mobile Anwendung | - |
Compare AI. Test. Benchmarks. Mobile Chatbot-Apps, Sketch
Copyright © 2026 All Right Reserved.