Llama 3.1 8B
在这一档性价比不错: 在 Index 相差 2 分以内的已排名模型中,没有价格不超过它四分之三的模型。
有 1 个更便宜的已排名模型得分更高:Gemma 4 E4B (43.2, $0.040)。
截至 2026年11月16日,Llama 3.1 8B(Meta)在 BenchLeader Index 上得分 33.0(共 608 个已排名配置)。表现最好的是智能体与工具(37),最弱的是编程(19)。API 价格为每百万 token $0.053(按输入 3 : 输出 1 混合),为 2026年11月16日的标价。输出速度约为 120 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 8B 的 API 价格为每百万 token $0.053(按输入 3 : 输出 1 混合)(标价,2026年11月16日)。
- Llama 3.1 8B 的输出速度约为 120 token/秒(Artificial Analysis,2026年11月16日)。
- Llama 3.1 8B 于 2024年7月23日发布(Meta)。
详细说明:Llama 3.1 8B 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 33.0 ±4.0,在 608 个配置中排第 599 名,处于下半区。关键在于这个“±”:另有 50 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,智能体与工具得分最高(37),编程最低(19)。按混合价格计,每百万 token $0.048,属于已排名模型中最便宜的五分之一。输出速度为 123 token/秒,首次回答需 1.6 秒,位于最快的四分之一。最近一次测量:2026年11月11日。
- 混合价格
- $0.048/M
- 输入 $0.040 · 输出 $0.070
- 来源:Artificial Analysis
- 输出速度
- 123 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 1.55 s
- 首 token 0.69 s
- 上下文
- 131k
- 来源:models.dev
- 完整回答
- 18 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
- 综合 Index33
- 推理26
- 编程19
- 智能体与工具37
- 数学31
- 指令遵循30
- 人类偏好34
- 长上下文32
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/llama-3-1-8b)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 8B本页 | 2024年7月23日 | 33.0 | #599 |
| Llama 3-8B | 2024年4月18日 | 34.8 | #590 |
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。
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 27.0%#293 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1222#318 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 25.9%#550 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 5.3%#458 | Artificial Analysis | |
| GPQA Diamond (HELM)不计入 Index | 24.7%#66 | HELM Capabilities | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| SciPredict不计入 Index | 14.7%#15 | Scale AI SEAL | |
| Arena Expert不计入 Index | 1198#312 | Arena (LMArena) | |
| LMCA不计入 Index | 5.4%#198 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | 50.9%#220 | Epoch AI Benchmarking Hub | |
| PIQA不计入 Index | 81.2%#25 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SciCode | 13.2%#234 | SciCode | |
| WeirdML | 1.7%#159 | WeirdML | |
| Arena Coding | 1260#313 | Arena (LMArena) | |
| Terminal-Bench 2.1 (AA)不计入 Index | 1.5%#226 | Artificial Analysis | |
| LiveCodeBench (AA)不计入 Index | 11.6%#275 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 0.8%#354 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 16.4%#359 | Artificial Analysis | |
| BFCL Overall | 25.8%#64 | Berkeley Function Calling Leaderboard | |
| GDPval-AA v2.1不计入 Index | -380#307 | Artificial Analysis | |
| BALROG不计入 Index | 15.1%#30 | BALROG |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 1.7%#277 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 22.9%#77 | Epoch AI Benchmarking Hub | |
| Omni-MATH (HELM) | 13.7%#64 | HELM Capabilities | |
| Arena Maths | 1188#314 | Arena (LMArena) | |
| GSM8K不计入 Index | 82.4%#15 | Epoch AI Benchmarking Hub | |
| AIME 2025 (AA)不计入 Index | 4.3%#237 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro (HELM)不计入 Index | 40.6%#60 | HELM Capabilities | |
| MMLU不计入 Index | 56.1%#86 | Epoch AI Benchmarking Hub | |
| Global-MMLU-Lite (AA)不计入 Index | 35.1%#114 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 28.6%#377 | Artificial Analysis | |
| MultiChallenge | 23.7%#44 | Scale AI SEAL | |
| IFEval (HELM) | 74.3%#58 | HELM Capabilities | |
| WildBench (HELM) | 68.6%#60 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1191#318 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1211#317 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 711#119 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1177#317 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1198#310 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1224#310 | Arena (LMArena) |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 18.0%#468 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 111.1#182 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 6.9#513 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 131.2#590 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | 44.4%#62 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| PropensityBench不计入 Index | 66.5%#10 | Scale 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 |
|---|---|---|---|---|---|---|
| Groq | 332 tok/s | 0.10 s | $0.050 | $0.080 | 131k | – |
| CoreWeave | 140 tok/s | 0.41 s | $0.220 | $0.220 | 131k | bf16 |
| DeepInfra | 31 tok/s | 0.70 s | $0.020 | $0.040 | 131k | fp8 |
| Cloudflare | 20 tok/s | 0.41 s | $0.152 | $0.287 | 32k | fp8 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
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 | $0.0000 | – | 4.0 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0005 | – | 6.4 s |
| 代码编辑 | 6,000 / 1,500 | $0.0003 | – | 13.7 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.0027 | – | 34.1 s |
| 结构化信息提取 | 2,000 / 200 | $0.0001 | – | 3.2 s |
Meta 的更多模型
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Llama 3.1 8B 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-3-1-8b)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 8B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/llama-3-1-8b
BibTeX:
@misc{benchleader_llama_3_1_8b_20261116,
author = {{BenchLeader}},
title = {{Llama 3.1 8B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/llama-3-1-8b}},
note = {Data as of 2026-11-16}
}常见问题
- Llama 3.1 8B 的基准测试得分是多少?
- 截至 2026年11月16日,Llama 3.1 8B 的 BenchLeader Index 为 33.0 ±4.0。最强的是智能体与工具(37),最弱的是编程(19)。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 8B 排名第几?
- 截至 2026年11月16日,Llama 3.1 8B 在 608 个已排名配置中排第 599 名。另有 50 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 8B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Llama 3.1 8B 的价格为输入每百万 token $0.040、输出每百万 token $0.070,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.048。标价最近一次变动是在 2026年10月13日。
- Llama 3.1 8B 是什么时候发布的?
- Meta 于 2024年7月23日发布了 Llama 3.1 8B。
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 8B: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-3-1-8b。