Llama 8B (Unsloth, provenance unverified)
Dieses 8B-GGUF-Artefakt trägt einen Llama-3.3-Namen, aber Metas offizielles Llama-3.3 ist das 70B-Text-only-Modell — die hier gelistete 8B-Version ist eine inoffizielle Community-Konstruktion ohne verifizierte Upstream-Quelle. 8 Mrd. Dense-Parameter, 128.000 Tokens Kontext, lokal als Unsloth-GGUF betreibbar unter Llama-Community-Lizenz. Upstream-Herkunft bleibt bis zur Bestätigung unbestätigt.
- Restricted Weights
- Edge
- llama.cpp
- Text
- Instruction-Tuned
- Real-Time
Sovereign Risk: MEDIUM Meta dokumentiert Llama 3.3 öffentlich als rein sprachliches 70B-Instruct-Modell. Das Label ‘Llama 3.3 8B’ ist daher nicht unabhängig gegen eine offizielle Meta-Veröffentlichung verifiziert; das Artefakt lässt sich zwar lokal betreiben, die Gewichte-Provenance bleibt aber nur mäßig vertrauenswürdig.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Bronze
- 62.71
- Routine
- 39.38
- Reasoning
- 23.33
- LLM Judge Avg
- 3.02 / 5
- 100 Coverage
- Avg Task Duration
- 15.17s
- Real-Time
- Token Rate
- 25.46tok/s
- Output Rate
- P95 Latency
- 31.25s
- Top 5 %
- Total Tokens
- 37200
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 37200 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze / Standard).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.