Llama 3-8B
性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,便宜 45%。
有 7 个更便宜的已排名模型得分更高:Qwen3.5-4B (46.7, $0.060)、Gemma 4 E4B (43.2, $0.040)、Qwen2.5 7B Instruct (39.8, $0.050),另有 4 个。
截至 2026年11月16日,Llama 3-8B(Meta)在 BenchLeader Index 上得分 34.8(共 608 个已排名配置)。表现最好的是人类偏好(36),最弱的是长上下文(23)。API 价格为输入每百万 token $0.050、输出每百万 token $0.140(按 3:1 混合为 $0.073),为 2026年11月16日的标价。输出速度约为 62 token/秒(Artificial Analysis)。发布于 2024年4月18日。
要点(截至 2026年11月16日)
- Llama 3-8B 的 API 价格为输入每百万 token $0.050、输出每百万 token $0.140(按 3:1 混合为 $0.073)(标价,2026年11月16日)。
- Llama 3-8B 的输出速度约为 62 token/秒(Artificial Analysis,2026年11月16日)。
- Llama 3-8B 于 2024年4月18日发布(Meta)。
详细说明:Llama 3-8B 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 34.8 ±3.4,在 608 个配置中排第 590 名,处于下半区。关键在于这个“±”:另有 76 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(36),长上下文最低(23)。按混合价格计,每百万 token $0.073,属于已排名模型中最便宜的五分之一。输出速度为 62 token/秒,首次回答需 0.5 秒,比大多数模型慢。最近一次测量:2026年11月11日。
- 混合价格
- $0.073/M
- 输入 $0.050 · 输出 $0.140
- 来源:Artificial Analysis
- 输出速度
- 62 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 0.48 s
- 首 token 0.48 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 Index35
- 推理26
- 编程35
- 智能体与工具34
- 数学30
- 指令遵循29
- 人类偏好36
- 长上下文23
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/llama-3-8b)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 | 2024年7月23日 | 33.0 | #599 |
| Llama 3-8B本页 | 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 | 26.1%#295 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1220#320 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 29.6%#532 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 5.1%#472 | Artificial Analysis | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index | 1212#308 | Arena (LMArena) | |
| DTBench不计入 Index | 43.9%#235 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index | 59.1%#77 | ForecastBench | |
| WinoGrande不计入 Index | 75.7%#32 | Epoch AI Benchmarking Hub | |
| ARC (AI2 Challenge)不计入 Index | 82.8%#16 | Epoch AI Benchmarking Hub | |
| ANLI不计入 Index | 57.3%#3 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Coding | 1253#315 | Arena (LMArena) | |
| LiveCodeBench (AA)不计入 Index | 9.6%#287 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 0.0%#367 | 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 | 1.9%#273 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 6.1%#93 | Epoch AI Benchmarking Hub | |
| Arena Maths | 1193#311 | Arena (LMArena) |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU不计入 Index | 68.8%#59 | Epoch AI Benchmarking Hub | |
| TriviaQA不计入 Index | 67.7%#30 | Epoch AI Benchmarking Hub | |
| OpenBookQA不计入 Index | 82.6%#6 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 24.6%#401 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1193#317 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1224#311 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1196#306 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1206#305 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1210#317 | 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 | 109.4#185 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 4.8#628 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 122.2#609 | 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 | $0.0001 | – | 5.4 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0007 | – | 10.2 s |
| 代码编辑 | 6,000 / 1,500 | $0.0005 | – | 24.8 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.0036 | – | 1.1 min |
| 结构化信息提取 | 2,000 / 200 | $0.0001 | – | 3.7 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 3-8B 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-3-8b)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 3-8B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/llama-3-8b
BibTeX:
@misc{benchleader_llama_3_8b_20261116,
author = {{BenchLeader}},
title = {{Llama 3-8B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/llama-3-8b}},
note = {Data as of 2026-11-16}
}常见问题
- Llama 3-8B 的基准测试得分是多少?
- 截至 2026年11月16日,Llama 3-8B 的 BenchLeader Index 为 34.8 ±3.4。最强的是人类偏好(36),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 3-8B 排名第几?
- 截至 2026年11月16日,Llama 3-8B 在 608 个已排名配置中排第 590 名。另有 76 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 3-8B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Llama 3-8B 的价格为输入每百万 token $0.050、输出每百万 token $0.140,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.073。标价最近一次变动是在 2026年9月9日。
- Llama 3-8B 是什么时候发布的?
- Meta 于 2024年4月18日发布了 Llama 3-8B。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Llama 3-8B: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-3-8b。