This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Meta has launched a newer model, Llama 3.2 11B (Vision). We suggest considering it instead.

For more information, see comparison of Llama 3.2 11B (Vision) to other models and API provider benchmarks for Llama 3.2 11B (Vision).

Llama 3.1 Instruct 8B logo
Meta
•

Open weights model

•

Released July 2024

Llama 3.1 Instruct 8B Benchmarking und Analyse von API-Anbietern

Modellvergleich

Diese Analyse soll Sie bei der Auswahl des besten API-Anbieters von Llama 3.1 Instruct 8B für Ihren Anwendungsfall unterstützen.

Am schnellsten

#1
GroqGroq
664.8 t/s
#2
AmazonAmazon
184.0 t/s
#3
CoreWeaveCoreWeave
139.7 t/s
#4
NovitaNovita
139.2 t/s
#5
DeepInfra (Turbo, FP8)DeepInfra (Turbo, FP8)
25.9 t/s

Ausgabegeschwindigkeit

Insgesamt 7 Anbieter

Niedrigste Latenz

#1
AmazonAmazon
0.71 s
#2
NovitaNovita
0.82 s
#3
DeepInfraDeepInfra
0.89 s
#4
DeepInfra (Turbo, FP8)DeepInfra (Turbo, FP8)
0.94 s
#5
GroqGroq
0.96 s

Zeit bis zum ersten Token

Insgesamt 7 Anbieter

Niedrigster Preis

#1
CloudflareCloudflare
$0.00
#2
DeepInfra (Turbo, FP8)DeepInfra (Turbo, FP8)
$0.02
#3
NovitaNovita
$0.02
#4
DeepInfraDeepInfra
$0.02
#5
GroqGroq
$0.05

Mischpreis (pro 1 Mio. Tokens)

Insgesamt 7 Anbieter

Llama 3.1 8B ist über 7 API-Anbieter verfügbar, die jeweils unterschiedliche Leistungsmerkmale und Preise bieten. Im Folgenden werden die wichtigsten Metriken der Anbieter verglichen.

  • Bei der Ausgabegeschwindigkeit führen Groq (664.8 Tokens/s), Amazon (184.0 Tokens/s) und CoreWeave (139.7 Tokens/s). Die Geschwindigkeit unterscheidet sich erheblich zwischen den Anbietern: Der Unterschied zwischen dem schnellsten und langsamsten beträgt 2623 %.
  • Bei der Latenz bieten Amazon (0.71 s), Novita (0.82 s) und DeepInfra (0.89 s) die niedrigste Zeit bis zum ersten Token.
  • Bei den Preisen bieten Cloudflare (0.00), DeepInfra (Turbo, FP8) (0.02) und Novita (0.02) die niedrigsten Mischpreise pro 1 Mio. Tokens.

Wichtigste Ergebnisse

Geschwindigkeit

Output tokens per second · Higher is better

Ende-zu-Ende-Antwortzeit

Seconds · Lower is better

Preis

USD per 1M tokens (blended) · Lower is better

Preise

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input tokens

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Pricing: Blended Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant
Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Output Speed: Llama 3.1 Instruct 8B

Output speed: output tokens per second · 10,000 input tokens

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens
Most attractive quadrant
Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Latenz

Gemessen anhand der Zeit (in Sekunden) bis zum ersten Token

Zeit bis zum ersten Token

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first token received, in seconds, after API request sent. For reasoning models which share reasoning tokens, this will be the first reasoning token. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

Seconds to receive a 500 token response. Key components:

  • Input time: Time to receive the first response token
  • Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
  • Answer time: Time to generate 500 output tokens, based on output speed

Wichtige Vergleichsmetriken und API-Funktionen

Logo von GroqGroq
131k
Offen
--
665
0.93
1.68
--
Logo von NovitaNovita
16.4k
Offen
--
165
0.81
3.84
--
Logo von CoreWeaveCoreWeave
128k
Offen
--
139
0.97
4.57
--
Logo von Amazon BedrockAmazon Bedrock
128k
Offen
--
193
0.74
3.33
--
Logo von CloudflareCloudflare
30k
Offen
--
--
--
--
--
Logo von DeepInfraDeepInfra
131k
Offen
--
23
0.96
22.37
--
Logo von DeepInfraDeepInfra
131k
Offen
--
28
0.88
19.04
--

Häufig gestellte Fragen

Häufige Fragen zu den Anbietern von Llama 3.1 Instruct 8B

Llama 3.1 Instruct 8B ist über 7 API-Anbieter verfügbar: Groq, Novita, CoreWeave, Amazon, Cloudflare, DeepInfra (Turbo, FP8) und DeepInfra. Jeder Anbieter bietet unterschiedliche Leistungsmerkmale und Preise.

Llama 3.1 Instruct 8B ist derzeit über 7 API-Anbieter, die wir bewerten und beobachten verfügbar.

Die nach Ausgabegeschwindigkeit schnellsten Anbieter für Llama 3.1 Instruct 8B sind Groq (664.8 Tokens/s), Amazon (184.0 Tokens/s) und CoreWeave (139.7 Tokens/s). Die Ausgabegeschwindigkeit misst, wie schnell Tokens erzeugt werden, nachdem das Modell mit der Antwort begonnen hat.

Die Anbieter mit der niedrigsten Zeit bis zum ersten Token für Llama 3.1 Instruct 8B sind Amazon (0.71s), Novita (0.82s) und DeepInfra (0.89s). Eine niedrigere Latenz bedeutet eine schnellere erste Reaktion.

Die nach Mischpreis günstigsten Anbieter für Llama 3.1 Instruct 8B sind Cloudflare ($0.00 pro 1 Mio. Tokens), DeepInfra (Turbo, FP8) ($0.02 pro 1 Mio. Tokens) und Novita ($0.02 pro 1 Mio. Tokens). Der Mischpreis basiert auf einem Tokenverhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe.

Die Anbieter mit dem niedrigsten Preis für Eingabetokens bei Llama 3.1 Instruct 8B sind Cloudflare ($0.00 pro 1 Mio. Eingabetokens), Novita ($0.02 pro 1 Mio. Eingabetokens) und DeepInfra (Turbo, FP8) ($0.02 pro 1 Mio. Eingabetokens).

Die Anbieter mit dem niedrigsten Preis für Ausgabetokens bei Llama 3.1 Instruct 8B sind Cloudflare ($0.00 pro 1 Mio. Ausgabetokens), DeepInfra (Turbo, FP8) ($0.04 pro 1 Mio. Ausgabetokens) und Novita ($0.05 pro 1 Mio. Ausgabetokens).

Die Ausgabegeschwindigkeit von Llama 3.1 Instruct 8B unterscheidet sich erheblich zwischen den Anbietern. Groq ist mit 664.8 Tokens/s am schnellsten und damit um den Faktor 27.2 schneller als DeepInfra mit 24.4 Tokens/s.

6 von 7 Anbietern unterstützen den JSON-Modus für Llama 3.1 Instruct 8B: Groq, Novita, CoreWeave, Cloudflare, DeepInfra (Turbo, FP8) und DeepInfra.

6 von 7 Anbietern unterstützen Funktionsaufrufe für Llama 3.1 Instruct 8B: Groq, CoreWeave, Amazon, Cloudflare, DeepInfra (Turbo, FP8) und DeepInfra.

Der beste Anbieter für Llama 3.1 Instruct 8B hängt von Ihren Prioritäten ab: Groq bietet die höchste Ausgabegeschwindigkeit, Amazon die niedrigste Latenz und Cloudflare den konkurrenzfähigsten Preis.

Berücksichtigen Sie bei der Wahl eines Anbieters für Llama 3.1 Instruct 8B die Ausgabegeschwindigkeit für durchsatzintensive Aufgaben, die Latenz für interaktive Anwendungen mit schneller erster Reaktion, den Preis für kostensensible Workloads und API-Funktionen wie den JSON-Modus oder Funktionsaufrufe.

Ja, die Leistung eines Anbieters kann sich durch Änderungen an der Infrastruktur, Lastverteilung und Aktualisierungen im Laufe der Zeit verändern. Wir bewerten alle Anbieter fortlaufend und zeigen historische Leistungstrends in den Diagrammen „Im Zeitverlauf“ an.

Informationen zur Intelligenz, zu den Fähigkeiten und Modalitäten von Llama 3.1 Instruct 8B sowie zum Vergleich mit anderen Modellen finden Sie auf der Modellübersichtsseite. Modellübersicht anzeigen