什么是 Llama 3.3 70B？

Llama 3.3 70B 是一款久经考验的 AI 模型，仍广泛部署于生产系统中，由 Meta 开发并于 2024 年 12 月发布。它可处理包括写作、分析、摘要和问答在内的通用 AI 任务。

Llama 3.3 70B 是开源还是开放权重？

Llama 3.3 70B 是一款开放权重模型。其训练权重可公开下载、自托管及微调。您可以在自己的基础设施上运行，无需支付按 token 计费的 API 费用。请注意，开放权重不等于开源：训练代码和数据可能不完全公开。

Llama 3.3 70B 的上下文窗口是多少？

Llama 3.3 70B 支持 128K token 的上下文窗口，足以处理大多数文档和多轮对话应用。

Llama 3.3 70B 在哪些基准测试上接受过评估？

Llama 3.3 70B 已在以下基准测试上接受评估：GPQA Diamond（50.5%）、MMLU-Pro（68.9%）、MATH-500（77.0%）、HumanEval pass@1（88.4%）。标记为 SR 的分数由提供商自行报告；标记为 3P 或 AA 的分数已由第三方独立验证。

Llama 3.3 70B 是否可在 FlowHunt 中使用？

是的 — Llama 3.3 70B 可直接在 FlowHunt 中使用。您可以用它构建 AI 智能体、自动化工作流、聊天机器人和文档处理管道，无需任何额外设置。

Llama 3.3 70B 与其他 AI 模型相比如何？

您可以通过可排序的基准测试表格，将 Llama 3.3 70B 与 FlowHunt AI 排行榜上追踪的全部 24 个模型进行对比。本页面的'基准排名'部分展示了 Llama 3.3 70B 在各项已评估基准上的排名位置。

Llama 3.3 70B

EstablishedOpen-weightAvailable in FlowHunt

Try in FlowHunt

Llama 3.3 70B 是一款久经考验的 AI 模型，仍广泛部署于生产系统中，由 Meta 开发并于 2024 年 12 月发布。作为一款开放权重模型，其训练权重可公开获取 — 您可以自行托管、在专有数据上微调，或在本地部署而不依赖 API。它支持 128K token 的上下文窗口，足以处理大多数文档和多轮对话应用。

在 FlowHunt AI 排行榜上，它是 24 个被追踪模型之一，在 4 项基准测试上接受评估。突出成绩：HumanEval 88.4%（#1/2）；MATH-500 77.0%（#3/4）；MMLU-Pro 68.9%（#7/8）。

Llama 3.3 70B 于 2024 年 12 月 6 日发布，是 Meta 在架构过渡至 Llama 4 之前推出的 Llama 3 系列最后一批模型之一。作为一个密集（非 MoE）70B 参数模型，它体现了 Llama 3 世代简单可扩展架构的理念：更多参数、更好效果、透明结构。其 128K 上下文窗口以及优异的 MMLU-Pro 和 SWE-bench 分数使其成为拥有充足 GPU 资源（可运行密集 70B 推理但不足以运行 MoE 系统）团队的领先自托管模型。它在医疗、金融、法律等受监管行业中仍然广受欢迎 — 在这些行业中，密集架构的透明性和可审计性，加上开放权重的可获取性，与原始能力同样重要。

注：以 70B 成本达到接近 405B 的质量。纯文本。IFEval 92.1%。

Try in FlowHunt

发布时间: 2024 年 12 月
参数规模: 70B 密集型
上下文窗口: 128K token
权重: 开放
层级: 成熟
提供商: 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（前身为Facebook）是全球最大的科技公司之一，总部位于加利福尼亚州门洛帕克，以Facebook、Instagram、WhatsApp和Threads最为著名。通过Meta AI（前身为FAIR），该公司凭借Llama系列成为开放权重大语言模型最多产的发布者。Llama 4系列——Maverick、Scout和Behemoth——在宽松的社区许可下发布，至今仍是Hugging Face等平台上下载量最多的开放权重模型。Meta的AI战略在各大实验室中独树一帜：它不运营商业API，而是开放发布模型供研究和商业使用，将生成式AI功能整合到自身应用中，并公开倡导开放权重发布是AI发展最民主的方式。

使用场景

Llama 3.3 70B 适合用于什么

科学与技术推理: Llama 3.3 70B 在 GPQA Diamond 上取得 50% 的成绩（#13/14 个模型）。它能较好地处理一般性科学问答，但前沿模型在最难的研究生级别问题上分数高出 25 个百分点以上。
自托管与私有化部署: Llama 3.3 70B 是开放权重模型（70B 密集参数）——其训练权重可公开下载并自行部署。在您自己的 GPU 硬件或私有云上运行，确保数据永不离开您的环境，大规模使用时消除按 token 计费的 API 成本，或在专有数据集上对模型进行微调。

Strengths & Limitations

Strengths

自托管与数据私有化部署（开放权重）
长上下文任务（128K 上下文窗口）

Limitations

硬科学推理低于前沿水平（GPQA 50% — 前沿达 90%+）
在智能体编程和复杂推理方面明显落后于 2026 年前沿模型

更多对比

浏览完整 AI 模型排行榜

对比全部 24 个模型在 11 项基准测试上的表现 — 可排序、可溯源，更新于 2026 年 6 月。

← 返回 AI 排行榜在 FlowHunt 中试用

常见问题

: Llama 3.3 70B 是一款久经考验的 AI 模型，仍广泛部署于生产系统中，由 Meta 开发并于 2024 年 12 月发布。它可处理包括写作、分析、摘要和问答在内的通用 AI 任务。
: Llama 3.3 70B 是一款开放权重模型。其训练权重可公开下载、自托管及微调。您可以在自己的基础设施上运行，无需支付按 token 计费的 API 费用。请注意，开放权重不等于开源：训练代码和数据可能不完全公开。
: Llama 3.3 70B 支持 128K token 的上下文窗口，足以处理大多数文档和多轮对话应用。
: Llama 3.3 70B 已在以下基准测试上接受评估：GPQA Diamond（50.5%）、MMLU-Pro（68.9%）、MATH-500（77.0%）、HumanEval pass@1（88.4%）。标记为 SR 的分数由提供商自行报告；标记为 3P 或 AA 的分数已由第三方独立验证。
: 是的 — Llama 3.3 70B 可直接在 FlowHunt 中使用。您可以用它构建 AI 智能体、自动化工作流、聊天机器人和文档处理管道，无需任何额外设置。
: 您可以通过可排序的基准测试表格，将 Llama 3.3 70B 与 FlowHunt AI 排行榜上追踪的全部 24 个模型进行对比。本页面的'基准排名'部分展示了 Llama 3.3 70B 在各项已评估基准上的排名位置。