M
Llama 3.1 70B InstructOPEN
Llama 3.1 70B Instruct (Meta): Live-API-Preise, Kontextfenster und die besten Open-Source-Alternativen, täglich verfolgt von OpenSourceAI.tech.
Preise aktualisieren sich automatisch — stündlich überprüft gegen die Preisliste der Anbieter.
Benchmarks & Leistung
Unabhängige Benchmark-Ergebnisse für Llama 3.1 70B Instruct, gemessen von Artificial Analysis. Höher ist besser.
Über dieses Modell
Llama 3.1 70B Instruct ist ein Open-Weight-AI-Modell von Meta. Sie können es kostenlos herunterladen und selbst hosten; die unten aufgeführten Preise sind die Listenpreise für gehostete APIs, die stündlich verfolgt werden, wenn Sie Bequemlichkeit gegenüber Selbst-Hosting bevorzugen.
Häufig gestellte Fragen
Was ist Llama 3.1 70B Instruct?
Llama 3.1 70B Instruct ist ein KI-Sprachmodell von Meta. Es hat offene Gewichte: Sie können es herunterladen und kostenlos auf Ihrer eigenen Hardware ausführen. Es erzielt 6.8 im Artificial Analysis Intelligenzindex.
Ist Llama 3.1 70B Instruct kostenlos?
Die Gewichte sind kostenlos und offen — Sie können Llama 3.1 70B Instruct selbst hosten und nichts pro Token zahlen. Wenn Sie eine gehostete API bevorzugen, liegen die Listenpreise bei 0,4 $ pro Million Eingabetokens und 0,4 $ pro Million Ausgabetokens.
Worin ist Llama 3.1 70B Instruct gut?
Unabhängige Benchmarks von Artificial Analysis geben ihm GPQA 40.9%, MMLU-Pro 67.6%, Humanity's Last Exam 4.6%, Long Context Reasoning 6.3%, LiveCodeBench 23.2%, SciCode 26.7%, MATH-500 64.9%, AIME 17.3%, AIME 2025 4%, IFBench 34.4%, τ²-Bench 15.2%, Terminal-Bench Hard 3%. Es wird besonders verwendet für mathematische Argumentation.
Kann ich Llama 3.1 70B Instruct selbst hosten?
Ja. Llama 3.1 70B Instruct hat offene Gewichte, sodass Sie es herunterladen und auf Ihrer eigenen GPU oder Ihrem Server mit Tools wie Ollama, vLLM oder llama.cpp ausführen können — ohne Kosten pro Token.
Open-Source-Alternativen
Je nach Arbeitslast kann ein Open-Weight-Modell, das Sie selbst hosten können, die Kosten drastisch senken oder die Preisgestaltung pro Token vollständig entfernen. Unsere Vergleichsseiten stellen dieses Modell neben die stärksten Open-Source-Kandidaten.