A
Jamba Large 1.7OPEN
Jamba Large 1.7 (Ai21): tarification API en direct, fenêtre de contexte et les meilleures alternatives open-source, suivies quotidiennement par OpenSourceAI.tech.
Les prix se mettent à jour automatiquement — vérifiés toutes les heures par rapport aux prix de la liste des fournisseurs.
Benchmarks & performance
Scores de référence indépendants pour Jamba Large 1.7, mesurés par Artificial Analysis. Plus c'est élevé, mieux c'est.
À propos de ce modèle
Jamba Large 1.7 est un modèle d'IA à poids ouverts développé par Ai21. Vous pouvez le télécharger et l'auto-héberger gratuitement ; les prix ci-dessous sont des prix de liste d'API hébergées, suivis à l'heure, pour lorsque vous préférez la commodité à l'auto-hébergement.
Questions fréquemment posées
Qu'est-ce que Jamba Large 1.7 ?
Jamba Large 1.7 est un modèle de langage IA de Ai21. Il est à poids ouverts : vous pouvez le télécharger et l'exécuter sur votre propre matériel, gratuitement. Il obtient un score de 5.3 sur l'indice d'intelligence d'Artificial Analysis.
Jamba Large 1.7 est-il gratuit ?
Les poids sont gratuits et ouverts — vous pouvez auto-héberger Jamba Large 1.7 et ne rien payer par jeton. Si vous préférez une API hébergée, les prix de liste sont de 2 $ par million de jetons d'entrée et de 8 $ par million de jetons de sortie.
À quoi sert Jamba Large 1.7 ?
Des benchmarks indépendants d'Artificial Analysis lui donnent GPQA 39%, MMLU-Pro 57.7%, Humanity's Last Exam 3.8%, Long Context Reasoning 17.3%, LiveCodeBench 18.1%, SciCode 18.8%, MATH-500 60%, AIME 5.7%, AIME 2025 2.3%, IFBench 35.2%, τ²-Bench 13.5%, Terminal-Bench Hard 2.3%. Il est particulièrement utilisé pour raisonnement mathématique.
Quelle est la vitesse de Jamba Large 1.7 ?
Il génère environ 56.4 tokens par seconde, avec un délai médian 0.87s avant le premier token. Mesuré indépendamment par Artificial Analysis.
Puis-je auto-héberger Jamba Large 1.7 ?
Oui. Jamba Large 1.7 a des poids ouverts, donc vous pouvez le télécharger et l'exécuter sur votre propre GPU ou serveur avec des outils comme Ollama, vLLM ou llama.cpp — sans coût par jeton.
Alternatives open-source
Selon votre charge de travail, un modèle à poids ouverts que vous pouvez auto-héberger peut réduire considérablement les coûts ou supprimer complètement la tarification par token. Nos pages de comparaison mettent ce modèle côte à côte avec les meilleurs concurrents open-source.