Llama 4 Maverick — Prestanda, Kapaciteter och Användningsområden
Llama 4 Maverick är en AI-modell med öppna vikter från Meta (17B/400B MoE (128 experter)), klassificerad som etablerad nivå med ett kontextfönster på 1M tokens....
4 min läsning
Llama 3.3 70B är en beprövad AI-modell som fortfarande är brett använd i produktionssystem, utvecklad av Meta och lanserad i december 2024. Som en modell med öppna vikter är dess tränade vikter offentligt tillgängliga — du kan själv hosta den, finjustera den på egen data eller köra den lokalt utan API-beroenden. Den stöder ett kontextfönster på 128K tokens, tillräckligt för de flesta dokument och flerstegsapplikationer.
På FlowHunt AI Leaderboard är den en av 24 spårade modeller, utvärderad över 4 benchmarktester. Framstående resultat: 88,4 % på HumanEval (#1 av 2); 77,0 % på MATH-500 (#3 av 4); 68,9 % på MMLU-Pro (#7 av 8).
Llama 3.3 70B lanserades den 6 december 2024 som en av Metas sista modeller i Llama 3-serien före den arkitektoniska övergången till Llama 4. Som en tät (icke-MoE) modell med 70B parametrar återspeglade den Llama 3-generationens filosofi med enkel skalbar arkitektur: fler parametrar, bättre resultat, transparent struktur. Dess kontextfönster på 128K och starka resultat på MMLU-Pro och SWE-bench gjorde den till den ledande självhostade modellen för team med GPU-resurser tillräckliga för inferens med täta 70B-modeller men inte ett MoE-system. Den förblir populär inom reglerade branscher — sjukvård, finans, juridik — där transparensen och granskningsbarheten hos en tät arkitektur, i kombination med tillgång till öppna vikter, väger lika tungt som rå kapacitet.
Not: Nästan 405B-kvalitet till 70B-kostnad. Endast text. IFEval 92,1 %.
- Released
- December 2024
- Parameters
- 70B dense
- Context
- 128K tokens
- Weights
- Open
- Tier
- Established
- Provider
- 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 (tidigare Facebook) är ett av världens största teknikföretag, med huvudkontor i Menlo Park, Kalifornien, och mest känt för Facebook, Instagram, WhatsApp och Threads. Genom Meta AI (tidigare FAIR) har företaget blivit den mest produktiva utgivaren av öppna viktmodeller för stora språkmodeller via Llama-familjen. Llama 4-serien — Maverick, Scout och Behemoth — släpptes under tillåtande communitylicenser och är fortfarande de mest nedladdade öppna viktmodellerna på plattformar som Hugging Face. Metas AI-strategi är särpräglad bland de stora laboratorierna: i stället för att driva ett kommersiellt API släpper Meta modeller öppet för forskning och kommersiellt bruk, integrerar generativa AI-funktioner i sina egna applikationer, och har offentligt förespråkat öppna viktmodeller som den mest demokratiska metoden för AI-utveckling.
Användningsområden
Vad du ska använda Llama 3.3 70B till
- Vetenskapligt & Tekniskt Resonemang
Llama 3.3 70B uppnår 50 % på GPQA Diamond (#13 av 14 modeller). Den hanterar allmänna vetenskapliga frågor och svar på en solid nivå, även om frontlinjemodeller presterar 25+ procentenheter högre på de svåraste forskarnivåproblemen.
- Självhostade & Privata Driftsättningar
Llama 3.3 70B har öppna vikter (70B täta parametrar) — dess tränade vikter är offentligt tillgängliga för nedladdning och egen driftsättning. Kör den på din egen GPU-hårdvara eller privata moln för att säkerställa att data aldrig lämnar din miljö, eliminera API-kostnader per token i stor skala, eller finjustera modellen på egna dataset.
Strengths & Limitations
Strengths
- Självhostade & datasekreta driftsättningar (öppna vikter)
- Uppgifter med långt kontext (128K kontextfönster)
Limitations
- Under frontlinjen inom svårt vetenskapligt resonemang (50 % GPQA — frontlinjen är 90 %+)
- Betydligt efter 2026 års frontlinjemodeller inom agentisk kodning och komplext resonemang
Bläddra i hela AI-modelltavlan
Jämför alla 24 modeller över 11 benchmarktester — sorterbara, källhänvisade och uppdaterade juni 2026.
Vanliga frågor
Lär dig mer
Llama 4 Scout — Prestanda, Kapacitet och Användningsområden
Llama 4 Scout är en AI-modell med öppna vikter från Meta (17B/109B MoE (16 experter)), klassificerad som etablerad nivå med ett kontextfönster på 10 miljoner to...
4 min läsning
Large Language Model Meta AI (LLaMA)
Large Language Model Meta AI (LLaMA) är en banbrytande modell för naturlig språkbehandling utvecklad av Meta. Med upp till 65 miljarder parametrar utmärker sig ...
2 min läsning
AI
Language Model
+6