Le Llama 3.1 Nemotron 70B de NVIDIA est un modèle linguistique puissant optimisé pour fournir des réponses précises et informatives. Basé sur l'architecture Llama 3.1 70B et amélioré par l'apprentissage par renforcement à partir de retours humains (RLHF),il atteint des performances de pointe dans les benchmarks d'alignement automatique. Conçu pour des applications nécessitant une grande précision dans la génération de réponses et leur utilité, ce modèle est bien adapté à une large gamme de requêtes utilisateurs dans plusieurs domaines.
Site web Page web du modèle d’IA | |
Fournisseur L’entité qui fournit ce modèle. | |
Chat Entrez un message pour commencer à discuter | - |
Date de sortie Première date de publication du modèle. | 2 ans ago Oct 15, 2023 |
Modalités Types de données que ce modèle peut traiter | texte |
Fournisseurs d’API Les fournisseurs qui proposent ce modèle. (Cette liste n’est pas exhaustive.) | OpenRouter |
Date de mise à jour des connaissances Dernière mise à jour des connaissances du modèle. | - |
Open Source Disponibilité du code du modèle pour une utilisation publique. | Oui |
Tarification d’entrée Coût du traitement des tokens dans vos invites | $0.35 par million de tokens |
Tarification de sortie Coût des tokens générés par le modèle | $0.40 par million de tokens |
MMLU Massive Multitask Language Understanding - Évalue les connaissances dans 57 domaines, y compris les mathématiques, l’histoire, le droit et plus encore | 85% 5-shot Source |
MMLU-Pro Un benchmark MMLU plus robuste avec des questions plus complexes axées sur le raisonnement, un plus grand ensemble de choix et une sensibilité réduite aux invites | Non disponible |
MMMU Massive Multitask Multimodal Understanding - Évalue la compréhension à travers le texte, les images, l’audio et la vidéo | Non disponible |
HellaSwag Un benchmark exigeant de complétion de phrases | Non disponible |
HumanEval Évalue la génération de code et les capacités de résolution de problèmes | 75% Source |
MATH Évalue les capacités de résolution de problèmes mathématiques à différents niveaux de difficulté | 71% Source |
GPQA Évalue les connaissances de niveau doctorat en chimie, biologie et physique via des questions à choix multiples nécessitant une expertise approfondie | Non disponible |
IFEval Évalue la capacité du modèle à suivre avec précision des instructions de formatage explicites, à générer des sorties appropriées et à maintenir une cohérence dans l’exécution des tâches | Non disponible |
SimpleQA Évaluation de la précision des questions simples | - |
AIME 2024 | - |
AIME 2025 | - |
Aider Polyglot Benchmark de programmation multilingue. | - |
LiveCodeBench v5 Benchmark pour la programmation en temps réel | - |
Global MMLU (Lite) Une version simplifiée du benchmark pour évaluer l’universalité des modèles au niveau mondial. | - |
MathVista Évalue les capacités de raisonnement mathématique des modèles d’IA dans des contextes visuels | - |
Application mobile | - |
Compare AI. Test. Benchmarks. Applications de chatbots mobiles, Sketch
Copyright © 2026 All Right Reserved.