M
Llama 3.1 8B InstructOPEN
La dernière classe de modèle de Meta (Llama 3.1) a été lancée avec une variété de tailles et de saveurs.
Les prix se mettent à jour automatiquement — vérifiés quotidiennement par rapport aux prix catalogue des fournisseurs.
- $0.06 par 1M de tokens, en supposant 3 entrées pour 1 sortie la convention utilisée par Artificial Analysis
- moins cher que 87% des 191 modèles open-weight suivis ici
- 1 sur 12 modèles Meta suivis ici, du moins cher
Benchmarks & performance
Scores de référence indépendants pour Llama 3.1 8B Instruct, mesurés par Artificial Analysis. Plus c'est élevé, mieux c'est.
Pour le même budget, Llama 3.1 8B Instruct offre 42 fois plus de capacités. Les open weights signifient également que vous pouvez l'auto-héberger et ne rien payer par token.
Les modèles à ce niveau coûtent $0.26 par 1M de tokens (médiane de 29) — celui-ci coûte $0.06.
Moins cher et meilleur sur cet indice : Solar Pro 4 · Ling-3.0-flash · gpt-oss-20b
À propos de ce modèle
Llama 3.1 8B Instruct est un modèle d'IA open-weight de Meta. Vous pouvez le télécharger et le déployer en self-hosted gratuitement ; les prix ci-dessous sont les prix de liste de l'API hébergée, suivis quotidiennement, pour quand vous préférez la commodité au self-hosting.
Questions fréquemment posées
Qu'est-ce que Llama 3.1 8B Instruct ?
Llama 3.1 8B Instruct est un modèle de langage IA de Meta. Il est open-weight : vous pouvez le télécharger et l'exécuter sur votre propre matériel, gratuitement. Il obtient un score de 7.4 sur l'indice d'intelligence d'Artificial Analysis.
Llama 3.1 8B Instruct est-il gratuit ?
Les poids sont gratuits et ouverts — vous pouvez auto-héberger Llama 3.1 8B Instruct et ne rien payer par token. Si vous préférez une API hébergée, les prix sont de 0,05 $ par million de tokens d'entrée et de 0,08 $ par million de tokens de sortie.
À quoi Llama 3.1 8B Instruct est-il bon ?
Des benchmarks indépendants d'Artificial Analysis lui donnent GPQA 25.9%, MMLU-Pro 47.6%, Humanity's Last Exam 5.3%, Long Context Reasoning 18%, LiveCodeBench 11.6%, SciCode 13.2%, MATH-500 51.9%, AIME 7.7%, AIME 2025 4.3%, IFBench 28.6%, τ²-Bench 16.4%, Terminal-Bench 1.5%, Terminal-Bench Hard 0.8%. Il est particulièrement utilisé pour génération de code.
Puis-je auto-héberger Llama 3.1 8B Instruct ?
Oui. Llama 3.1 8B Instruct a des open weights, vous pouvez donc le télécharger et l'exécuter sur votre propre GPU ou serveur avec des outils comme Ollama, vLLM ou llama.cpp — sans coût par jeton.