M
Llama 3.1 70B InstructOPEN
Llama 3.1 70B Instruct (Meta): 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 Llama 3.1 70B Instruct, mesurés par Artificial Analysis. Plus c'est élevé, mieux c'est.
À propos de ce modèle
Llama 3.1 70B Instruct est un modèle d'IA à poids ouvert de Meta. Vous pouvez le télécharger et l'héberger vous-même gratuitement ; les prix ci-dessous sont les prix de liste des API hébergées, suivis à l'heure, pour lorsque vous préférez la commodité à l'auto-hébergement.
Questions fréquemment posées
Qu'est-ce que Llama 3.1 70B Instruct ?
Llama 3.1 70B Instruct est un modèle de langage IA de Meta. Il est à poids ouverts : vous pouvez le télécharger et l'exécuter sur votre propre matériel, gratuitement. Il obtient un score de 6.8 sur l'indice d'intelligence d'Artificial Analysis.
Llama 3.1 70B Instruct est-il gratuit ?
Les poids sont gratuits et ouverts — vous pouvez auto-héberger Llama 3.1 70B Instruct et ne rien payer par jeton. Si vous préférez une API hébergée, les prix sont de 0,4 $ par million de jetons d'entrée et de 0,4 $ par million de jetons de sortie.
Qu'est-ce que Llama 3.1 70B Instruct sait bien faire ?
Des benchmarks indépendants d'Artificial Analysis lui donnent 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%. Il est particulièrement utilisé pour raisonnement mathématique.
Puis-je auto-héberger Llama 3.1 70B Instruct ?
Oui. Llama 3.1 70B Instruct 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.