Llama 4 Maverick — Benchmarks, Fähigkeiten und Anwendungsfälle
Llama 4 Maverick ist ein Open-Weight-KI-Modell von Meta (17B/400B MoE (128 Experten)), eingestuft in die Kategorie Established mit einem Kontextfenster von 1 Mi...
4 Min. Lesezeit
Llama 3.3 70B ist ein bewährtes KI-Modell, das noch immer weit verbreitet in Produktionssystemen eingesetzt wird. Es wurde von Meta entwickelt und im Dezember 2024 veröffentlicht. Als Open-Weight-Modell sind seine trainierten Gewichte öffentlich verfügbar – Sie können es selbst hosten, mit proprietären Daten feinabstimmen oder ohne API-Abhängigkeiten vor Ort ausführen. Es unterstützt ein Kontextfenster von 128K Token, ausreichend für die meisten Dokumente und Multi-Turn-Anwendungen.
Auf der FlowHunt KI-Rangliste ist es eines von 24 verfolgten Modellen, evaluiert in 4 Benchmarks. Herausragende Ergebnisse: 88,4 % bei HumanEval (#1 von 2); 77,0 % bei MATH-500 (#3 von 4); 68,9 % bei MMLU-Pro (#7 von 8).
Llama 3.3 70B wurde am 6. Dezember 2024 als eines der letzten Modelle der Llama-3-Serie von Meta veröffentlicht, vor dem architektonischen Übergang zu Llama 4. Als dichtes (nicht-MoE) Modell mit 70B Parametern spiegelte es die Philosophie der Llama-3-Generation wider – eine unkomplizierte, skalierbare Architektur: mehr Parameter, bessere Ergebnisse, transparente Struktur. Sein 128K-Kontextfenster und die starken Ergebnisse in MMLU-Pro und SWE-bench machten es zum führenden selbst gehosteten Modell für Teams mit GPU-Ressourcen, die für dichte 70B-Inferenz ausreichen, aber nicht für ein MoE-System. Es bleibt beliebt in regulierten Branchen – Gesundheitswesen, Finanzen, Recht – wo die Transparenz und Prüfbarkeit einer dichten Architektur, kombiniert mit Open-Weight-Verfügbarkeit, genauso wichtig sind wie die rohe Leistungsfähigkeit.
Hinweis: Nahezu 405B-Qualität zu 70B-Kosten. Nur Text. IFEval 92,1 %.
- Veröffentlicht
- Dezember 2024
- Parameter
- 70B dicht
- Kontext
- 128K Token
- Gewichte
- Offen
- Stufe
- Etabliert
- Anbieter
- 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 Platforms (ehemals Facebook) ist eines der größten Technologieunternehmen der Welt mit Hauptsitz in Menlo Park, Kalifornien, und bekannt für Facebook, Instagram, WhatsApp und Threads. Über Meta AI (ehemals FAIR) ist das Unternehmen mit der Llama-Familie zum produktivsten Herausgeber von Open-Weight-Sprachmodellen geworden. Die Llama-4-Serie – Maverick, Scout und Behemoth – wurde unter großzügigen Community-Lizenzen veröffentlicht und sind die am meisten heruntergeladenen Open-Weight-Modelle auf Plattformen wie Hugging Face. Metas KI-Strategie unterscheidet sich von anderen großen Laboren: Anstatt eine kommerzielle API zu betreiben, veröffentlicht Meta Modelle offen für Forschung und kommerzielle Nutzung, integriert generative KI-Funktionen in seine eigenen Anwendungen und hat sich öffentlich für Open-Weight-Veröffentlichungen als demokratischsten Ansatz der KI-Entwicklung ausgesprochen.
Anwendungsfälle
Wofür Llama 3.3 70B verwendet wird
- Wissenschaftliches & technisches Denken
Llama 3.3 70B erreicht 50 % bei GPQA Diamond (#13 von 14 Modellen). Es bewältigt allgemeine wissenschaftliche Fragen und Antworten auf solidem Niveau, wobei Spitzenmodelle bei den schwierigsten Problemen auf Graduiertenniveau 25+ Prozentpunkte höher erzielen.
- Selbst gehostete & private Bereitstellungen
Llama 3.3 70B ist Open-Weight (70B dichte Parameter) – seine trainierten Gewichte sind öffentlich zum Herunterladen und zur Selbstbereitstellung verfügbar. Führen Sie es auf Ihrer eigenen GPU-Hardware oder privaten Cloud aus, um sicherzustellen, dass Daten Ihre Umgebung nie verlassen, eliminieren Sie API-Kosten pro Token im großen Maßstab oder stimmen Sie das Modell mit proprietären Datensätzen fein.
Strengths & Limitations
Strengths
- Selbst gehostete & datenschutzfreundliche Bereitstellungen (Open-Weight)
- Aufgaben mit langem Kontext (128K Kontextfenster)
Limitations
- Unter Spitzenniveau bei wissenschaftlichem Denken (50 % GPQA – Spitze bei 90 %+)
- Deutlich hinter den Spitzenmodellen von 2026 bei agentischem Programmieren und komplexem Denken
Die vollständige KI-Modell-Rangliste durchsuchen
Vergleichen Sie alle 24 Modelle in 11 Benchmarks – sortierbar, mit Quellenangaben und aktualisiert Juni 2026.
Häufig gestellte Fragen
Mehr erfahren
Llama 4 Scout — Benchmarks, Fähigkeiten und Anwendungsfälle
Llama 4 Scout ist ein Open-Weight-KI-Modell von Meta (17B/109B MoE (16 Experten)), eingestuft als Established-Tier mit einem Kontextfenster von 10 Millionen Tok...
4 Min. Lesezeit
Large Language Model Meta AI (LLaMA)
Large Language Model Meta AI (LLaMA) ist ein hochmodernes Modell zur Verarbeitung natürlicher Sprache, entwickelt von Meta. Mit bis zu 65 Milliarden Parametern ...
2 Min. Lesezeit
AI
Language Model
+6