Llama 3.2 3B Instruct
性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,价格只有三分之一。
有 16 个更便宜的已排名模型得分更高:Ling 3.0 Flash (51.7, $0.115)、Nemotron 3 Nano 30B A3B (47.4, $0.088)、Qwen3.5-4B (46.7, $0.060),另有 13 个。
截至 2026年11月16日,Llama 3.2 3B Instruct(Meta)在 BenchLeader Index 上得分 35.6(共 608 个已排名配置)。表现最好的是智能体与工具(35),最弱的是长上下文(25)。API 价格为输入每百万 token $0.050、输出每百万 token $0.330(按 3:1 混合为 $0.120),为 2026年11月16日的标价。输出速度约为 180 token/秒(OpenRouter)。发布于 2024年9月24日。
要点(截至 2026年11月16日)
- Llama 3.2 3B Instruct 的 API 价格为输入每百万 token $0.050、输出每百万 token $0.330(按 3:1 混合为 $0.120)(标价,2026年11月16日)。
- Llama 3.2 3B Instruct 的输出速度约为 180 token/秒(OpenRouter,2026年11月16日)。
- Llama 3.2 3B Instruct 于 2024年9月24日发布(Meta)。
详细说明:Llama 3.2 3B Instruct 是 Meta 的开放权重模型,发布于 2024年9月24日。其最佳配置在 BenchLeader Index 上得分 35.6 ±2.3,在 608 个配置中排第 584 名,处于下半区。关键在于这个“±”:另有 88 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(35),长上下文最低(25)。按混合价格计,每百万 token $0.122,属于已排名模型中最便宜的五分之一。输出速度为 178 token/秒,首 token 延迟 0.2 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
- $0.122/M
- 输入 $0.051 · 输出 $0.335
- 来源:OpenRouter
- 输出速度
- 178 tok/s
- OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
- 首次回答
- 0.21 s
- 上下文
- 131k
- 来源:OpenRouter
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2024年9月24日
- 综合 Index36
- 推理29
- 编程26
- 智能体与工具35
- 数学32
- 指令遵循31
- 人类偏好29
- 长上下文25
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/llama-3-2-3b)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。
Index 走势
2026年9月9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 |
|---|---|---|---|
| Arena Hard Prompts | 1168#341 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 25.4%#553 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 5.3%#454 | Artificial Analysis | |
| Arena Expert不计入 Index | 1179#316 | Arena (LMArena) |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Coding | 1177#346 | Arena (LMArena) | |
| LiveCodeBench (AA)不计入 Index | 8.3%#290 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| τ²-Bench Telecom (AA)不计入 Index | 21.1%#331 | Artificial Analysis | |
| BFCL Overall | 21.9%#73 | Berkeley Function Calling Leaderboard | |
| BALROG不计入 Index | 10.1%#34 | BALROG |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Maths | 1165#318 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 3.3%#241 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 26.2%#393 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1146#337 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1167#341 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 594#123 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1145#331 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1150#328 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1160#336 | Arena (LMArena) |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 4.3%#514 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Intelligence Index v4.3.2不计入 Index | 5.7#574 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 120.1#611 | Artificial Analysis |
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 |
|---|---|---|---|---|---|---|
| Cloudflare | 225 tok/s | 0.16 s | $0.051 | $0.335 | 80k | – |
| Parasail | 88 tok/s | 0.21 s | $0.050 | $0.330 | 131k | bf16 |
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 | $0.0001 | – | 1.9 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0008 | – | 3.6 s |
| 代码编辑 | 6,000 / 1,500 | $0.0008 | – | 8.7 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.0044 | – | 22.7 s |
| 结构化信息提取 | 2,000 / 200 | $0.0002 | – | 1.3 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 3.2 3B Instruct 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-3-2-3b)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 3.2 3B Instruct on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/llama-3-2-3b
BibTeX:
@misc{benchleader_llama_3_2_3b_20261116,
author = {{BenchLeader}},
title = {{Llama 3.2 3B Instruct on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/llama-3-2-3b}},
note = {Data as of 2026-11-16}
}常见问题
- Llama 3.2 3B Instruct 的基准测试得分是多少?
- 截至 2026年11月16日,Llama 3.2 3B Instruct 的 BenchLeader Index 为 35.6 ±2.3。最强的是智能体与工具(35),最弱的是长上下文(25)。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 3.2 3B Instruct 排名第几?
- 截至 2026年11月16日,Llama 3.2 3B Instruct 在 608 个已排名配置中排第 584 名。另有 88 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 3.2 3B Instruct 每百万 token 的价格是多少?
- 截至 2026年11月16日,Llama 3.2 3B Instruct 的价格为输入每百万 token $0.051、输出每百万 token $0.335,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.122。标价最近一次变动是在 2026年11月13日。
- Llama 3.2 3B Instruct 是什么时候发布的?
- Meta 于 2024年9月24日发布了 Llama 3.2 3B Instruct。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Llama 3.2 3B Instruct: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-3-2-3b。