Er Llama 3.3 70B open-source eller open-weight?

Llama 3.3 70B er en open-weight model. Dens trænede vægte er offentligt tilgængelige til download, selv-hosting og finjustering. Du kan køre den på din egen infrastruktur uden API-gebyrer pr. token. Bemærk at open-weight ikke er det samme som open-source: træningskoden og -data er muligvis ikke fuldt offentlige.

Hvilke benchmarks er Llama 3.3 70B blevet evalueret på?

Llama 3.3 70B er blevet evalueret på: GPQA Diamond (50,5%), MMLU-Pro (68,9%), MATH-500 (77,0%), HumanEval pass@1 (88,4%). Scoringer mærket SR er selvrapporteret af udbyderen; scoringer mærket 3P eller AA er uafhængigt verificeret af tredjeparter.

Er Llama 3.3 70B tilgængelig i FlowHunt?

Ja — Llama 3.3 70B er direkte tilgængelig i FlowHunt. Du kan bruge den til at bygge AI-agenter, automatiserede arbejdsgange, chatbots og dokumentbehandlingspipelines uden yderligere opsætning.

Hvordan sammenligner Llama 3.3 70B sig med andre AI-modeller?

Du kan sammenligne Llama 3.3 70B med alle 24 modeller, der spores på FlowHunt AI Leaderboard, ved hjælp af den sorterbare benchmark-tabel. Afsnittet Benchmark Rankings på denne side viser Llama 3.3 70B's placering på hvert benchmark, den er blevet evalueret på.

Llama 3.3 70B

EstablishedOpen-weightAvailable in FlowHunt

Try in FlowHunt

Llama 3.3 70B er en gennemtestet AI-model, der stadig er bredt implementeret i produktionssystemer, udviklet af Meta og udgivet i december 2024. Som en open-weight model er dens trænede vægte offentligt tilgængelige — du kan selv-host den, finjustere den på proprietære data eller køre den on-premise uden API-afhængigheder. Den understøtter et kontekstvindue på 128K tokens, tilstrækkeligt til de fleste dokumenter og flertrinsapplikationer.

På FlowHunt AI Leaderboard er den en af 24 overvågede modeller, evalueret på tværs af 4 benchmarks. Fremragende scoringer: 88,4% på HumanEval (#1 af 2); 77,0% på MATH-500 (#3 af 4); 68,9% på MMLU-Pro (#7 af 8).

Llama 3.3 70B blev udgivet den 6. december 2024 som en af Metas sidste modeller i Llama 3-serien før den arkitektoniske overgang til Llama 4. Som en tæt (ikke-MoE) 70B-parametermodel afspejlede den Llama 3-generationens filosofi om ligetil skalerbar arkitektur: flere parametre, bedre resultater, gennemsigtig struktur. Dens kontekstvindue på 128K og stærke MMLU-Pro- og SWE-bench-scoringer gjorde den til den førende selv-hostede model for teams med GPU-ressourcer tilstrækkelige til tæt 70B-inferens, men ikke et MoE-system. Den forbliver populær i regulerede industrier — sundhed, finans, jura — hvor gennemsigtigheden og revisionssporbarheden af en tæt arkitektur, kombineret med open-weight-tilgængelighed, betyder lige så meget som rå kapabilitet.

Bemærk: Næsten 405B-kvalitet til 70B-omkostning. Kun tekst. IFEval 92,1%.

Try in FlowHunt

Udgivet: December 2024
Parametre: 70B dense
Kontekst: 128K tokens
Vægte: Åbne
Niveau: Etableret
Udbyder: Meta

Llama 3.3 70B Benchmark Rankings

Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.

Benchmark	Score	Rank	Source	What it measures
GPQA Diamond	50.5%	13 of 14	SR	Graduate-level Google-proof science Q&A
MMLU-Pro	68.9%	7 of 8	SR	Hard knowledge reasoning, 12K questions
MATH-500	77.0%	3 of 4	SR	Hendrycks math (500 problems)
HumanEval pass@1	88.4%	1 of 2	SR	Python code generation (saturated at frontier)

Detailed Benchmark Scores

GPQA ◇ SR

50.5%

Graduate-level Google-proof science Q&A

MMLU-P SR

68.9%

Hard knowledge reasoning, 12K questions

MATH SR

77.0%

Hendrycks math (500 problems)

HumEval SR

88.4%

Python code generation (saturated at frontier)

Llama 3.3 70B vs. Established Peers

Head-to-head benchmark comparison with other Established-tier models. Higher is better for all metrics.

Benchmark	Llama 3.3 70B	GPT-4o	Llama 4 Maverick
GPQA ◇	50.5%	53.6%	69.8%
MMLU-P	68.9%	72.6%	80.5%
MATH	77.0%	—	—
HumEval	88.4%	—	—

About Meta

Meta Founded 2004 · Menlo Park, CA

Website →

Meta Platforms (tidligere Facebook) er et af verdens største teknologiselskaber med hovedkvarter i Menlo Park, Californien, og bedst kendt for Facebook, Instagram, WhatsApp og Threads. Gennem Meta AI (tidligere FAIR) er virksomheden blevet den mest produktive udgiver af åbne vægts-store sprogmodeller via Llama-familien. Llama 4-serien — Maverick, Scout og Behemoth — blev udgivet under tilladende fællesskabslicenser og er fortsat de mest downloadede åbne vægtmodeller på platforme som Hugging Face. Metas AI-strategi er særegen blandt større laboratorier: i stedet for at drive en kommerciel API udgiver Meta modeller åbent til forskning og kommerciel brug, integrerer generative AI-funktioner på tværs af sine egne applikationer og har offentligt talt for åbne vægtudgivelser som den mest demokratiske tilgang til AI-udvikling.

Anvendelsesmuligheder

Hvad skal du bruge Llama 3.3 70B til

Videnskabelig & Teknisk Ræsonnering: Llama 3.3 70B opnår 50% på GPQA Diamond (#13 af 14 modeller). Den håndterer generel videnskabelig spørgsmål-svar på et solidt niveau, selvom frontløbermodeller scorer 25+ procentpoint højere på de sværeste graduate-niveau problemer.
Selv-hostet & Private Implementeringer: Llama 3.3 70B er open-weight (70B dense parametre) — dens trænede vægte er offentligt tilgængelige til download og selv-implementering. Kør den på din egen GPU-hardware eller private cloud for at sikre, at data aldrig forlader dit miljø, eliminer API-omkostninger pr. token i stor skala, eller finjuster modellen på proprietære datasæt.

Strengths & Limitations

Strengths

Selv-hostet & dataprivate implementeringer (open-weight)
Langkontekst-opgaver (128K kontekstvindue)

Limitations

Under frontløbernes hårde videnskabelige ræsonnering (50% GPQA — frontløber er 90%+)
Betydeligt bagud i forhold til 2026 frontløbermodeller inden for agentisk kodning og kompleks ræsonnering

Mere at sammenligne

Relaterede AI-modeller

Se hele AI Model Leaderboard

Sammenlign alle 24 modeller på tværs af 11 benchmarks — sorterbar, kildeangivet og opdateret juni 2026.

← Tilbage til AI Leaderboard Prøv i FlowHunt

Ofte stillede spørgsmål

: Llama 3.3 70B er en gennemtestet AI-model, der stadig er bredt implementeret i produktionssystemer, udviklet af Meta og udgivet i december 2024. Den håndterer generelle AI-opgaver som skrivning, analyse, opsummering og spørgsmålssvar.
: Llama 3.3 70B er en open-weight model. Dens trænede vægte er offentligt tilgængelige til download, selv-hosting og finjustering. Du kan køre den på din egen infrastruktur uden API-gebyrer pr. token. Bemærk at open-weight ikke er det samme som open-source: træningskoden og -data er muligvis ikke fuldt offentlige.
: Llama 3.3 70B understøtter et kontekstvindue på 128K tokens, tilstrækkeligt til de fleste dokumenter og flertrinsapplikationer.
: Llama 3.3 70B er blevet evalueret på: GPQA Diamond (50,5%), MMLU-Pro (68,9%), MATH-500 (77,0%), HumanEval pass@1 (88,4%). Scoringer mærket SR er selvrapporteret af udbyderen; scoringer mærket 3P eller AA er uafhængigt verificeret af tredjeparter.
: Ja — Llama 3.3 70B er direkte tilgængelig i FlowHunt. Du kan bruge den til at bygge AI-agenter, automatiserede arbejdsgange, chatbots og dokumentbehandlingspipelines uden yderligere opsætning.
: Du kan sammenligne Llama 3.3 70B med alle 24 modeller, der spores på FlowHunt AI Leaderboard, ved hjælp af den sorterbare benchmark-tabel. Afsnittet Benchmark Rankings på denne side viser Llama 3.3 70B's placering på hvert benchmark, den er blevet evalueret på.

Lær mere

Llama 4 Maverick — Benchmarks, Kapacitet og Anvendelsesmuligheder

Llama 4 Maverick er en open-weight AI-model fra Meta (17B/400B MoE (128 eksperter)), klassificeret som Established-tier med et kontekstvindue på 1M tokens. Udfo...

Apr 5, 2025 4 min læsning

Llama 4 Scout — Benchmarks, egenskaber og anvendelsestilfælde

Llama 4 Scout er en åben-vægts AI-model fra Meta (17B/109B MoE (16 eksperter)), klassificeret som Etableret niveau med et 10M tokens kontekstvindue. Den er tilg...

Apr 5, 2025 4 min læsning

Large Language Model Meta AI (LLaMA)

Large Language Model Meta AI (LLaMA) er en avanceret model til naturlig sprogbehandling udviklet af Meta. Med op til 65 milliarder parametre udmærker LLaMA sig ...

May 30, 2025 2 min læsning

AI Language Model +6