Llama 3-70B
性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,价格只有 29 分之一。
有 122 个更便宜的已排名模型得分更高:Qwen3.6 Plus (59.0, $1.13)、Gemini 3 Flash (58.9, $1.13)、DeepSeek V4.1 Flash (58.5, $0.525),另有 119 个。
截至 2026年11月16日,Llama 3-70B(Meta)在 BenchLeader Index 上得分 38.7(共 608 个已排名配置)。表现最好的是人类偏好(42),最弱的是长上下文(23)。API 价格为输入每百万 token $0.650、输出每百万 token $2.75(按 3:1 混合为 $1.18),为 2026年11月16日的标价。输出速度约为 47 token/秒(Artificial Analysis)。发布于 2024年4月18日。
要点(截至 2026年11月16日)
- Llama 3-70B 的 API 价格为输入每百万 token $0.650、输出每百万 token $2.75(按 3:1 混合为 $1.18)(标价,2026年11月16日)。
- Llama 3-70B 的输出速度约为 47 token/秒(Artificial Analysis,2026年11月16日)。
- Llama 3-70B 于 2024年4月18日发布(Meta)。
详细说明:Llama 3-70B 是 Meta 的开放权重模型,发布于 2024年4月18日。其最佳配置在 BenchLeader Index 上得分 38.7 ±3.6,在 608 个配置中排第 557 名,处于下半区。关键在于这个“±”:另有 143 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(42),长上下文最低(23)。按混合价格计,每百万 token $1.18,价格居中。输出速度为 47 token/秒,首次回答需 0.6 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
- $1.18/M
- 输入 $0.650 · 输出 $2.75
- 来源:Artificial Analysis
- 输出速度
- 47 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 0.56 s
- 首 token 0.56 s
- 上下文
- 8k
- 来源:Artificial Analysis
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2024年4月18日
- 综合 Index39
- 推理34
- 编程41
- 智能体与工具35
- 数学36
- 指令遵循40
- 人类偏好42
- 长上下文23
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/llama-3-70b)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。
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 70B | 2024年12月6日 | 39.9 | #536 |
| Llama 3.1 70B | 2024年7月23日 | 40.7 | #522 |
| Llama 3-70B本页 | 2024年4月18日 | 38.7 | #557 |
| Llama 2-70B | 2023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 | 40.6%#261 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1280#286 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 37.9%#494 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 4.5%#520 | Artificial Analysis | |
| Kagi LLM Benchmark | 35.1%#118 | Kagi LLM Benchmark | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index | 1246#287 | Arena (LMArena) | |
| DTBench不计入 Index | 54.2%#208 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index | 59.9%#75 | ForecastBench | |
| WinoGrande不计入 Index | 83.5%#9 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Coding | 1306#285 | Arena (LMArena) | |
| LiveCodeBench (AA)不计入 Index | 19.8%#242 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Cybench | 5.0%#21 | Cybench | |
| Terminal-Bench Hard | 0.8%#354 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 0.0%#398 | Artificial Analysis |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 4.3%#262 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 22.6%#79 | Epoch AI Benchmarking Hub | |
| Arena Maths | 1259#271 | Arena (LMArena) |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU不计入 Index | 79.3%#23 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 37.1%#298 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1259#285 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1277#284 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1254#273 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1274#276 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1254#299 | Arena (LMArena) |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 0.0%#517 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 121.2#164 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 5.5#590 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 136.5#581 | Artificial Analysis |
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 | $0.0011 | – | 7.0 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0095 | – | 13.4 s |
| 代码编辑 | 6,000 / 1,500 | $0.0080 | – | 32.7 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.050 | – | 1.4 min |
| 结构化信息提取 | 2,000 / 200 | $0.0019 | – | 4.9 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 3-70B 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。
[](https://www.benchleader.com/models/llama-3-70b)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 3-70B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/llama-3-70b
BibTeX:
@misc{benchleader_llama_3_70b_20261116,
author = {{BenchLeader}},
title = {{Llama 3-70B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/llama-3-70b}},
note = {Data as of 2026-11-16}
}常见问题
- Llama 3-70B 的基准测试得分是多少?
- 截至 2026年11月16日,Llama 3-70B 的 BenchLeader Index 为 38.7 ±3.6。最强的是人类偏好(42),最弱的是长上下文(23)。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 3-70B 排名第几?
- 截至 2026年11月16日,Llama 3-70B 在 608 个已排名配置中排第 557 名。另有 143 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 3-70B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Llama 3-70B 的价格为输入每百万 token $0.650、输出每百万 token $2.75,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.18。标价最近一次变动是在 2026年9月9日。
- Llama 3-70B 是什么时候发布的?
- Meta 于 2024年4月18日发布了 Llama 3-70B。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Llama 3-70B: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-3-70b。