Meta tarafından geliştirilen Llama 3.3 70B Instruct, özellikle talimat temelli görevler için ince ayar yapılmış çok dilli büyük bir dil modelidir ve sohbet uygulamaları için optimize edilmiştir. 128.000 token’a kadar destekleyen bir bağlam penceresiyle birçok dili işleyip üretebilir. 6 Aralık 2024’te piyasaya sürülen model, çeşitli sektör kıyaslamalarında birçok açık kaynaklı ve özel sohbet modelini geride bırakmıştır. Ölçeklenebilirliği artırmak için Grup Sorgu Dikkati (GQA) kullanır ve 15 trilyon token’dan fazla halka açık verilerden oluşan çeşitli bir veri kümesiyle eğitilmiştir. Modelin bilgi kapsamı Aralık 2023’e kadardır.
Web Sitesi Yapay Zeka Modeli Web Sayfası | |
Sağlayıcı Bu modeli sağlayan kuruluş. | |
Sohbet Sohbete başlamak için bir mesaj yazın | - |
Yayın Tarihi Modelin ilk kez ne zaman yayınlandığı. | 1 yıl ago Ara 06, 2024 |
Modallikler Bu modelin işleyebileceği veri türleri | metin |
API Sağlayıcıları Bu modeli sunan sağlayıcılar. (Bu liste tamamlayıcı değildir.) | Fireworks, Together, DeepInfra, Hyperbolic |
Bilgi Kesim Tarihi Modelin bilgileri en son ne zaman güncellendi. | 12.2024 |
Açık Kaynak Modelin kodunun kamuya açık olup olmadığı. | Evet |
Fiyatlandırma Girdisi Komutlarınızdaki belirteçlerin işlenme maliyeti | $0.23 milyon belirteç başına |
Fiyatlandırma Çıktısı Model tarafından üretilen belirteçlerin maliyeti | $0.40 milyon belirteç başına |
MMLU Massive Multitask Language Understanding – Matematik, tarih, hukuk ve daha fazlası dahil 57 konuda bilgi testi | 86% 0-shot, CoT Kaynak |
MMLU-Pro Daha zorlu, akıl yürütmeye odaklanan sorular, daha geniş seçenek seti ve azaltılmış yönlendirme hassasiyeti ile geliştirilmiş MMLU kıyaslaması | 68.9% 5-shot, CoT Kaynak |
MMMU Massive Multitask Multimodal Understanding – Metin, görsel, ses ve video üzerinden anlama testi | Mevcut değil |
HellaSwag Zorlu bir cümle tamamlama kıyaslaması | Mevcut değil |
HumanEval Kod üretimi ve problem çözme yeteneklerini değerlendirir | 88.4% pass@1 Kaynak |
MATH Farklı zorluk seviyelerinde matematiksel problem çözme yeteneklerini test eder | 77% 0-shot, CoT Kaynak |
GPQA Kimya, biyoloji ve fizikte doktora düzeyindeki bilgiyi çoktan seçmeli sorularla test eder; derin alan uzmanlığı gerektirir | 50.5% 0-shot, CoT Kaynak |
IFEval Modelin açık biçimlendirme talimatlarını doğru bir şekilde takip etme, uygun çıktılar üretme ve farklı görevlerde tutarlı talimat uyumu sağlama yeteneğini test eder | 92.1% Kaynak |
SimpleQA Basit soruların doğruluğunu değerlendirme | - |
AIME 2024 | - |
AIME 2025 | - |
Aider Polyglot Çok dilli programlama karşılaştırma testi. | - |
LiveCodeBench v5 Gerçek zamanlı programlama karşılaştırma testi | - |
Global MMLU (Lite) Modellerin evrenselliğini küresel ölçekte değerlendirmek için sadeleştirilmiş karşılaştırma testi. | - |
MathVista Yapay zeka modellerinin görsel bağlamlardaki matematiksel akıl yürütme yetilerini değerlendirir | - |
Mobil Uygulama | - |
Compare AI. Test. Benchmarks. Mobil Uygulamalar Sohbet Botları, Sketch
Copyright © 2026 All Right Reserved.