Llama 3.1 Nemotron Instruct 70B logo
NVIDIA
•

Open weights model

•

Released October 2024

Llama 3.1 Nemotron Instruct 70B Benchmarking und Analyse von API-Anbietern

Modellvergleich

Analyse der API-Anbieter für Llama 3.1 Nemotron Instruct 70B anhand von Leistungsmetriken wie Latenz (Zeit bis zum ersten Token), Ausgabegeschwindigkeit (Ausgabetokens pro Sekunde) und Preis. Zu den bewerteten API-Anbietern gehören DeepInfra.

Am schnellsten

#1
DeepInfraDeepInfra
115.7 t/s

Ausgabegeschwindigkeit

Insgesamt 1 Anbieter

Niedrigste Latenz

#1
DeepInfraDeepInfra
6.63 s

Zeit bis zum ersten Token

Insgesamt 1 Anbieter

Niedrigster Preis

#1
DeepInfraDeepInfra
$1.20

Mischpreis (pro 1 Mio. Tokens)

Insgesamt 1 Anbieter

Llama 3.1 Nemotron 70B ist über DeepInfra verfügbar.

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

Aktualisierung: Der Standard-Workload für das Performance-Benchmarking wurde auf 10k Eingabetokens umgestellt, um Produktionsanwendungsfälle besser abzubilden. Oben können weiterhin andere Workloads ausgewählt werden.

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

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 Nemotron Instruct 70B

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

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 DeepInfraDeepInfra
131k
Offen
--
93
6.63
12.00
--

Häufig gestellte Fragen

Häufige Fragen zu den Anbietern von Llama 3.1 Nemotron Instruct 70B

Llama 3.1 Nemotron Instruct 70B ist über 1 API-Anbieter verfügbar: DeepInfra. Jeder Anbieter bietet unterschiedliche Leistungsmerkmale und Preise.

Llama 3.1 Nemotron Instruct 70B ist derzeit über 1 API-Anbieter, den wir bewerten und beobachten verfügbar.

Der nach Ausgabegeschwindigkeit schnellste Anbieter für Llama 3.1 Nemotron Instruct 70B ist DeepInfra (115.7 Tokens/s). Die Ausgabegeschwindigkeit misst, wie schnell Tokens erzeugt werden, nachdem das Modell mit der Antwort begonnen hat.

Der Anbieter mit der niedrigsten Zeit bis zum ersten Token für Llama 3.1 Nemotron Instruct 70B ist DeepInfra (6.63s). Eine niedrigere Latenz bedeutet eine schnellere erste Reaktion.

Der nach Mischpreis günstigste Anbieter für Llama 3.1 Nemotron Instruct 70B ist DeepInfra ($1.20 pro 1 Mio. Tokens). Der Mischpreis basiert auf einem Tokenverhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe.

Der Anbieter mit dem niedrigsten Preis für Eingabetokens bei Llama 3.1 Nemotron Instruct 70B ist DeepInfra ($1.20 pro 1 Mio. Eingabetokens).

Der Anbieter mit dem niedrigsten Preis für Ausgabetokens bei Llama 3.1 Nemotron Instruct 70B ist DeepInfra ($1.20 pro 1 Mio. Ausgabetokens).

Der einzige Anbieter von Llama 3.1 Nemotron Instruct 70B unterstützt den JSON-Modus für strukturierte Ausgaben.

Der einzige Anbieter von Llama 3.1 Nemotron Instruct 70B unterstützt Funktionsaufrufe (Tool-Nutzung).

DeepInfra führt bei allen wichtigen Metriken für Llama 3.1 Nemotron Instruct 70B und bietet die höchste Geschwindigkeit, die niedrigste Latenz und den konkurrenzfähigsten Preis.

Berücksichtigen Sie bei der Wahl eines Anbieters für Llama 3.1 Nemotron Instruct 70B 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 Nemotron Instruct 70B sowie zum Vergleich mit anderen Modellen finden Sie auf der Modellübersichtsseite. Modellübersicht anzeigen