Llama 3.3 70B Instruct, созданная Meta, — это многоязычная крупная языковая модель, специально доработанная для задач на основе инструкций и оптимизированная для разговорных приложений. Она способна обрабатывать и генерировать текст на нескольких языках, поддерживая контекстное окно до 128 000 токенов. Запущенная 6 декабря 2024 года, модель превосходит многие open-source и проприетарные чат-модели в различных отраслевых тестах. Она использует Grouped-Query Attention (GQA) для улучшения масштабируемости и обучена на разнообразном наборе данных, содержащем более 15 триллионов токенов из общедоступных источников. Знания модели актуальны на декабрь 2023 года.
Веб-сайт Страница модели ИИ | |
Провайдер Организация, предоставляющая данную модель. | |
Чат Введите сообщение, чтобы начать общение | - |
Дата выпуска Когда модель была впервые выпущена. | 1 год назад Дек 06, 2024 |
Модальности Типы данных, которые может обрабатывать модель | текст |
Поставщики API Провайдеры, предлагающие данную модель. (Этот список не является исчерпывающим.) | Fireworks, Together, DeepInfra, Hyperbolic |
Дата актуальности знаний Когда в последний раз обновлялись знания модели. | 12.2024 |
Открытый исходный код Доступен ли исходный код модели для публичного использования. | Да |
Стоимость ввода Стоимость обработки токенов в вашем запросе | $0.23 за миллион токенов |
Стоимость вывода Стоимость токенов, сгенерированных моделью | $0.40 за миллион токенов |
MMLU Massive Multitask Language Understanding – Тестирование знаний по 57 предметам, включая математику, историю, право и другие | 86% 0-shot, CoT Источник |
MMLU-Pro Улучшенный бенчмарк MMLU с более сложными вопросами, ориентированными на рассуждение, увеличенным числом вариантов ответов и сниженной чувствительностью к подсказкам | 68.9% 5-shot, CoT Источник |
MMMU Massive Multitask Multimodal Understanding – Тестирование понимания текста, изображений, аудио и видео | Недоступно |
HellaSwag Сложный бенчмарк для завершения предложений | Недоступно |
HumanEval Оценивает возможности генерации кода и решения задач | 88.4% pass@1 Источник |
MATH Тестирование математических навыков на разных уровнях сложности | 77% 0-shot, CoT Источник |
GPQA Тестирование знаний на уровне PhD в области химии, биологии и физики с помощью вопросов множественного выбора, требующих глубоких экспертных знаний | 50.5% 0-shot, CoT Источник |
IFEval Оценивает способность модели точно следовать явным инструкциям по форматированию, генерировать соответствующие выходные данные и поддерживать последовательность инструкций в разных задачах | 92.1% Источник |
SimpleQA Оценка точности простых вопросов | - |
AIME 2024 | - |
AIME 2025 | - |
Aider Polyglot Многоязычный программный бенчмарк. | - |
LiveCodeBench v5 Бенчмарк для программирования в реальном времени | - |
Global MMLU (Lite) Упрощенная версия бенчмарка для оценки универсальности моделей на глобальном уровне. | - |
MathVista Оценивает способности математического мышления моделей ИИ в визуальных контекстах | - |
Мобильное приложение | - |
Compare AI. Test. Benchmarks. Чат-боты для мобильных приложений, Sketch
Copyright © 2026 All Right Reserved.