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 Results for other workloads are historical and no longer updated.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 Benchmarks y análisis de proveedores de API

Comparación de modelos

Análisis de proveedores de API para Llama 3.1 Instruct 8B en métricas de rendimiento como latencia (tiempo hasta el primer token), velocidad de salida (tokens de salida por segundo), precio y otras. Los proveedores de API medidos incluyen Groq, Novita, CoreWeave, Amazon Bedrock, Cloudflare, DeepInfra (Turbo, FP8) y DeepInfra.

Más rápido

#1
GroqGroq
630.1 t/s
#2
AmazonAmazon
168.3 t/s
#3
NovitaNovita
161.1 t/s
#4
CoreWeaveCoreWeave
137.7 t/s
#5
DeepInfraDeepInfra
21.1 t/s

Velocidad de salida

7 proveedores en total

Menor latencia

#1
AmazonAmazon
0.69 s
#2
NovitaNovita
0.82 s
#3
GroqGroq
0.93 s
#4
DeepInfraDeepInfra
1.00 s
#5
CoreWeaveCoreWeave
1.01 s

Tiempo hasta el primer token

7 proveedores en total

Menor precio

#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

Precio combinado (por 1M de tokens)

7 proveedores en total

Llama 3.1 8B está disponible a través de 7 proveedores de API, cada uno con distintas características de rendimiento y precios. A continuación se comparan las métricas clave entre proveedores.

  • En velocidad de salida, los principales proveedores son Groq (630.1 t/s), Amazon (168.3 t/s) y Novita (161.1 t/s). La velocidad varía significativamente entre proveedores, con una diferencia del 3013% entre el más rápido y el más lento.
  • En latencia, Amazon (0.69s), Novita (0.82s) y Groq (0.93s) ofrecen el menor tiempo hasta el primer token.
  • En precios, Cloudflare (0.00), DeepInfra (Turbo, FP8) (0.02) y Novita (0.02) ofrecen los menores precios combinados por 1M de tokens.

Aspectos destacados

Velocidad

Output tokens per second · Higher is better

Tiempo de respuesta de extremo a extremo

Seconds · Lower is better

Precio

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

Precios

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).

Velocidad

Medida por la velocidad de salida (tokens por segundo)

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).

Latencia

Medida por el tiempo (segundos) hasta el primer token

Tiempo hasta el primer 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.

Tiempo de respuesta de extremo a extremo

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

Tiempo de respuesta de extremo a extremo

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

Métricas clave de comparación y funciones de API

Logo de GroqGroq
131k
Abierto
--
635
0.92
1.71
--
Logo de NovitaNovita
16.4k
Abierto
--
161
0.82
3.93
--
Logo de CoreWeaveCoreWeave
128k
Abierto
--
137
1.00
4.66
--
Logo de Amazon BedrockAmazon Bedrock
128k
Abierto
--
168
0.69
3.66
--
Logo de CloudflareCloudflare
30k
Abierto
--
--
--
--
--
Logo de DeepInfraDeepInfra
131k
Abierto
--
20
1.08
25.78
--
Logo de DeepInfraDeepInfra
131k
Abierto
--
21
0.99
24.69
--

Preguntas frecuentes

Preguntas comunes sobre los proveedores de Llama 3.1 Instruct 8B

Llama 3.1 Instruct 8B está disponible a través de 7 proveedores de API: Groq, Novita, CoreWeave, Amazon, Cloudflare, DeepInfra (Turbo, FP8) y DeepInfra. Cada proveedor ofrece distintas características de rendimiento y precios.

Llama 3.1 Instruct 8B está disponible actualmente a través de 7 proveedores de API que medimos y monitoreamos.

Los proveedores más rápidos para Llama 3.1 Instruct 8B por velocidad de salida son Groq (630.1 t/s), Amazon (168.3 t/s) y Novita (161.1 t/s). La velocidad de salida mide qué tan rápido se generan tokens después de que el modelo comienza a responder.

Los proveedores con el menor tiempo hasta el primer token para Llama 3.1 Instruct 8B son Amazon (0.69s), Novita (0.82s) y Groq (0.93s). Una menor latencia significa una respuesta inicial más rápida.

Los proveedores más económicos para Llama 3.1 Instruct 8B por precio combinado son Cloudflare ($0.00 por 1M de tokens), DeepInfra (Turbo, FP8) ($0.02 por 1M de tokens) y Novita ($0.02 por 1M de tokens). El precio combinado usa una proporción 7:2:1 de aciertos de caché/entrada/salida.

Los proveedores con el menor precio de tokens de entrada para Llama 3.1 Instruct 8B son Cloudflare ($0.00 por 1M de tokens de entrada), Novita ($0.02 por 1M de tokens de entrada) y DeepInfra (Turbo, FP8) ($0.02 por 1M de tokens de entrada).

Los proveedores con el menor precio de tokens de salida para Llama 3.1 Instruct 8B son Cloudflare ($0.00 por 1M de tokens de salida), DeepInfra (Turbo, FP8) ($0.04 por 1M de tokens de salida) y Novita ($0.05 por 1M de tokens de salida).

La velocidad de salida de Llama 3.1 Instruct 8B varía significativamente entre proveedores. Groq es el más rápido a 630.1 t/s, lo que es 31.1x más rápido que DeepInfra (Turbo, FP8) a 20.2 t/s.

6 de 7 proveedores admiten el modo JSON para Llama 3.1 Instruct 8B: Groq, Novita, CoreWeave, Cloudflare, DeepInfra (Turbo, FP8) y DeepInfra.

6 de 7 proveedores admiten llamadas a funciones para Llama 3.1 Instruct 8B: Groq, CoreWeave, Amazon, Cloudflare, DeepInfra (Turbo, FP8) y DeepInfra.

El mejor proveedor para Llama 3.1 Instruct 8B depende de tus prioridades: Groq ofrece la mayor velocidad de salida, Amazon tiene la menor latencia y Cloudflare ofrece los precios más competitivos.

Al elegir un proveedor para Llama 3.1 Instruct 8B, considera: velocidad de salida (para tareas intensivas en rendimiento), latencia (para aplicaciones interactivas que requieren primeras respuestas rápidas), precios (para cargas de trabajo sensibles al costo) y funciones de API como el modo JSON o las llamadas a funciones.

Sí, el rendimiento de un proveedor puede variar con el tiempo debido a cambios de infraestructura, balanceo de carga y actualizaciones. Medimos continuamente a todos los proveedores y mostramos las tendencias históricas de rendimiento en los gráficos "a lo largo del tiempo".

Para información sobre la inteligencia, las capacidades, las modalidades de Llama 3.1 Instruct 8B y cómo se compara con otros modelos, consulta la página de resumen del modelo. Ver resumen del modelo