BenchLeader

Llama 3.1 70B

质量第 264 / 339 名
40.7Index
后四分之一
较中位数 −9.5
价格第 100 / 255 名
$0.560每百万 token
比多数便宜
中位数的 0.7 倍
速度第 213 / 216 名
18token/秒
后四分之一
中位数的 0.2 倍
性价比第 109 / 255 名
72.7分/$
高于中位数
中位数的 1.3 倍

性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,价格只有 14 分之一。

有 68 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 65 个。

截至 2026年11月16日,Llama 3.1 70B(Meta)在 BenchLeader Index 上得分 40.7(共 608 个已排名配置)。表现最好的是指令遵循(45),最弱的是编程(33)。API 价格为输入每百万 token $0.560、输出每百万 token $0.560(按 3:1 混合为 $0.560),为 2026年11月16日的标价。输出速度约为 18 token/秒(Artificial Analysis)。发布于 2024年7月23日。

要点(截至 2026年11月16日)

  • Llama 3.1 70B 的 API 价格为输入每百万 token $0.560、输出每百万 token $0.560(按 3:1 混合为 $0.560)(标价,2026年11月16日)。
  • Llama 3.1 70B 的输出速度约为 18 token/秒(Artificial Analysis,2026年11月16日)。
  • Llama 3.1 70B 于 2024年7月23日发布(Meta)。

详细说明:Llama 3.1 70B 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 40.7 ±4.3,在 608 个配置中排第 522 名,处于下半区。关键在于这个“±”:另有 175 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,指令遵循得分最高(45),编程最低(33)。按混合价格计,每百万 token $0.560,比大多数已排名模型便宜。输出速度为 18 token/秒,首次回答需 8.6 秒,位于最慢的四分之一。最近一次测量:2026年11月11日。

混合价格
$0.560/M
输入 $0.560 · 输出 $0.560
来源:Artificial Analysis
输出速度
18 tok/s
由 Artificial Analysis 测量
首次回答
8.64 s
首 token 0.36 s
上下文
128k
来源:Artificial Analysis
完整回答
138 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2024年7月23日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index41
  2. 推理37
  3. 编程33
  4. 智能体与工具36
  5. 数学37
  6. 指令遵循45
  7. 人类偏好44

嵌入这个排名

更多徽章样式
[![Llama 3.1 70B on BenchLeader: 综合第 257 名](https://www.benchleader.com/badge/llama-3-1-70b.svg?style=compact)](https://www.benchleader.com/models/llama-3-1-70b)

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。

Meta 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

Meta 以这个名称发布过 5 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 3.3 70B2024年12月6日39.9#536
Llama 3.1 70B本页2024年7月23日40.7#522
Llama 3-70B2024年4月18日38.7#557
Llama 2-70B2023年7月18日33.4#598
Llama 2 70B–––

Index 走势

2026年9月8日 至 2026年11月16日
364146

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。

推理

基准测试默认来源趋势
GPQA Diamond44.2%#252Epoch AI Benchmarking Hub
Arena Hard Prompts1299#275Arena (LMArena)
GPQA Diamond (AA)不计入 Index40.9%#483Artificial Analysis
Humanity's Last Exam (AA)不计入 Index4.5%#525Artificial Analysis
GPQA Diamond (HELM)不计入 Index42.6%#44HELM Capabilities
CritPt不计入 Index0.0%#337Artificial Analysis
Arena Expert不计入 Index1276#267Arena (LMArena)
LMCA不计入 Index14.8%#181Epoch AI Benchmarking Hub
DTBench不计入 Index60.0%#195Epoch AI Benchmarking Hub

编程

基准测试默认来源趋势
WeirdML9.0%#155WeirdML
Arena Coding1333#267Arena (LMArena)
LiveCodeBench (AA)不计入 Index23.2%#235Artificial Analysis

智能体与工具

基准测试默认来源趋势
Terminal-Bench Hard3.0%#319Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index15.2%#366Artificial Analysis
BALROG不计入 Index27.9%#20BALROG
TheAgentCompany不计入 Index6.9%#10TheAgentCompany

知识

基准测试默认来源趋势
MMLU-Pro (HELM)不计入 Index65.3%#42HELM Capabilities
MMLU不计入 Index80.1%#19Epoch AI Benchmarking Hub

指令遵循

人类偏好

基准测试默认来源趋势
Arena Text1294#269Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index782#114EQ-Bench
Arena Creative Writing不计入 Index1257#270Arena (LMArena)
Arena Multi-turn不计入 Index1289#263Arena (LMArena)
Arena Longer Queries不计入 Index1295#269Arena (LMArena)

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index124.7#159Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index6.6#530Artificial Analysis
AA Progress Index v1不计入 Index151.3#557Artificial Analysis
HELM Capabilities mean不计入 Index57.4%#50HELM Capabilities

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index44.2%#64Scale AI SEAL
PropensityBench不计入 Index55.4%#9Scale AI SEAL

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Amazon Bedrock66 tok/s0.57 s$0.720$0.720131k–

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.154$0.308$0.462$0.61626年9月26年10月26年11月
输入 输出
当前:输入 $0.560 · 输出 $0.560

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0004–25.0 s
总结一份 30 页的报告12,000 / 600$0.0071–41.4 s
代码编辑6,000 / 1,500$0.0042–1.5 min
智能体编程会话60,000 / 4,000$0.036–3.8 min
结构化信息提取2,000 / 200$0.0012–19.6 s

Meta 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Llama 3.1 70B 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。

[![Llama 3.1 70B on BenchLeader: 综合第 257 名](https://www.benchleader.com/badge/llama-3-1-70b.svg)](https://www.benchleader.com/models/llama-3-1-70b)

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 70B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/llama-3-1-70b

BibTeX:

@misc{benchleader_llama_3_1_70b_20261116,
  author       = {{BenchLeader}},
  title        = {{Llama 3.1 70B on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/llama-3-1-70b}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Llama 3.1 70B 的基准测试得分是多少?
截至 2026年11月16日,Llama 3.1 70B 的 BenchLeader Index 为 40.7 ±4.3。最强的是指令遵循(45),最弱的是编程(33)。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 70B 排名第几?
截至 2026年11月16日,Llama 3.1 70B 在 608 个已排名配置中排第 522 名。另有 175 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 70B 每百万 token 的价格是多少?
截至 2026年11月16日,Llama 3.1 70B 的价格为输入每百万 token $0.560、输出每百万 token $0.560,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.560。标价最近一次变动是在 2026年9月9日。
Llama 3.1 70B 是什么时候发布的?
Meta 于 2024年7月23日发布了 Llama 3.1 70B。

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 70B: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-3-1-70b。