Llama 3.3 70B Versatile
Llama 3.3 70B Versatile ist Metas Modell mit öffentlich verfügbaren Gewichten (Meta Llama Community License) und 70 Milliarden Parametern der Llama-3.3-Generation aus den USA. Es ist über Cloud-Provider kostengünstig nutzbar; für den lokalen Betrieb wird leistungsstarke Hardware benötigt.
- Restricted Weights
- Server
- GR
- General
- Instruct
- Real-Time
Sovereign Risk: MEDIUM Meta ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act, jedoch sind die Gewichte öffentlich verfügbar und lokal betreibbar, sodass kein API-Zugriff auf Trainingsdaten oder Anfragen besteht.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Bronze
- 64.94
- Routine
- 40.27
- Reasoning
- 24.66
- LLM Judge Avg
- 3.21 / 5
- 100% Coverage
- Avg Task Duration
- 1.84s
- Real-Time
- Token Rate
- 276.78tok/s
- Output Rate
- P95 Latency
- 2.91s
- Top 5 %
- Total Tokens
- 37.4K
- Output Volume
- Cost per 1K
- $0.0008
- USD / 1K Requests
- Benchmark Cost
- $0.03
- Total · 37.4K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Llama 3.3 70B Versatile
Bestes Modell
Ø Alle Modelle
Code Quality
61.4
CLI Benchmark
87.22
Logical Reasoning
63.91
UX Writing
59.45
Documentation
48.62
Content Transform.
68.49
Cultural Intelligence
76.6
Benchmark Cost
$0.03
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).
- 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.