Llama 3.1 405B
截至 2026年11月16日,Llama 3.1 405B(Meta)在 BenchLeader Index 上得分 41.8(共 608 个已排名配置)。表现最好的是人类偏好(49),最弱的是编程(35)。发布于 2024年7月23日。
要点(截至 2026年11月16日)
- Llama 3.1 405B 于 2024年7月23日发布(Meta)。
详细说明:Llama 3.1 405B 是 Meta 的开放权重模型,发布于 2024年7月23日。其最佳配置在 BenchLeader Index 上得分 41.8 ±3.7,在 608 个配置中排第 507 名,处于下半区。关键在于这个“±”:另有 188 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(49),编程最低(35)。最近一次测量:2026年11月11日。
- 混合价格
- –
- 输出速度
- –
- 首次回答
- –
- 上下文
- 128k
- 来源:Artificial Analysis
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2024年7月23日
- 综合 Index42
- 推理36
- 编程35
- 智能体与工具38
- 数学41
- 指令遵循46
- 人类偏好49
- 长上下文36
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/llama-3-1-405b)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Meta 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Llama 3.1 405B本页 | 2024年7月23日 | 41.8 | #507 |
| Llama 3 405B | – | – | – |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 38.9#155 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 50.9%#226 | Epoch AI Benchmarking Hub | |
| SimpleBench | 23.0%#99 | SimpleBench | |
| Arena Hard Prompts | 1342#230 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 51.5%#428 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 4.0%#577 | Artificial Analysis | |
| GPQA Diamond (HELM)不计入 Index | 52.2%#34 | HELM Capabilities | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index | 1326#228 | Arena (LMArena) | |
| DTBench不计入 Index | 61.4%#189 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index | 62.3%#58 | ForecastBench | |
| HellaSwag不计入 Index | 89.2%#2 | Epoch AI Benchmarking Hub | |
| BIG-Bench Hard不计入 Index | 82.9%#4 | Epoch AI Benchmarking Hub | |
| WinoGrande不计入 Index | 89.2%#1 | Epoch AI Benchmarking Hub | |
| ARC (AI2 Challenge)不计入 Index | 95.3%#1 | Epoch AI Benchmarking Hub | |
| PIQA不计入 Index | 85.9%#4 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| WeirdML | 21.4%#144 | WeirdML | |
| Arena Coding | 1376#225 | Arena (LMArena) | |
| SWE-Bench Pro | 11.2%#22 | Scale AI SEAL | |
| LiveCodeBench (AA)不计入 Index | 30.5%#199 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Cybench | 7.5%#18 | Cybench | |
| Terminal-Bench Hard | 6.8%#254 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 19.0%#348 | Artificial Analysis | |
| TheAgentCompany不计入 Index | 7.4%#9 | TheAgentCompany |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 9.7%#242 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 49.8%#55 | Epoch AI Benchmarking Hub | |
| Omni-MATH (HELM) | 24.9%#50 | HELM Capabilities | |
| Arena Maths | 1319#218 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 3.0%#244 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro (HELM)不计入 Index | 72.3%#35 | HELM Capabilities | |
| MMLU不计入 Index | 84.5%#11 | Epoch AI Benchmarking Hub | |
| TriviaQA不计入 Index | 82.7%#11 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 39.0%#277 | Artificial Analysis | |
| IFEval (HELM) | 81.1%#43 | HELM Capabilities | |
| WildBench (HELM) | 78.3%#44 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1315#232 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1336#227 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 868#110 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1305#220 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1340#213 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1329#238 | Arena (LMArena) |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 25.3%#435 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 127.8#148 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 7.3#494 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 162.8#522 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | 61.8%#40 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 20.6%#41 | Scale AI SEAL | |
| MASK不计入 Index | 61.4%#35 | Scale AI SEAL |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Llama 3.1 405B 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/llama-3-1-405b)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Llama 3.1 405B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/llama-3-1-405b
BibTeX:
@misc{benchleader_llama_3_1_405b_20261116,
author = {{BenchLeader}},
title = {{Llama 3.1 405B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/llama-3-1-405b}},
note = {Data as of 2026-11-16}
}常见问题
- Llama 3.1 405B 的基准测试得分是多少?
- 截至 2026年11月16日,Llama 3.1 405B 的 BenchLeader Index 为 41.8 ±3.7。最强的是人类偏好(49),最弱的是编程(35)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Llama 3.1 405B 排名第几?
- 截至 2026年11月16日,Llama 3.1 405B 在 608 个已排名配置中排第 507 名。另有 188 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Llama 3.1 405B 是什么时候发布的?
- Meta 于 2024年7月23日发布了 Llama 3.1 405B。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Llama 3.1 405B:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/llama-3-1-405b。