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 Results for other workloads are historical and no longer updated.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 8B. We suggest considering it instead.

For more information, see comparison of Llama 3 8B to other models and API provider benchmarks for Llama 3 8B.

Llama 2 Chat 7B logo
Meta
•

Open weights model

•

Released July 2023

Llama 2 Chat 7B APIプロバイダーのベンチマークと分析

モデル比較

この分析は、ユースケースに最適なLlama 2 Chat 7BのAPIプロバイダーを選ぶための参考情報です。

最速

出力速度

プロバイダー合計：1社

最短の遅延

最初のトークンまでの時間

プロバイダー合計：1社

最安料金

#1
ReplicateReplicate
$0.07

ブレンド料金（100万トークンあたり）

プロバイダー合計：1社

Llama 2 Chat 7BはReplicateで利用できます。

このモデルではプロバイダーのベンチマークを利用できません。

モデルの詳細と他のモデルとの知能比較は、Llama 2 Chat 7Bのモデルページをご覧ください。

ハイライト

速度

Output tokens per second · Higher is better
No data available

エンドツーエンド応答時間

Seconds · Lower is better
No data available

料金

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

料金

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
No data available

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).

速度

出力速度（1秒あたりのトークン数）で測定

Output Speed: Llama 2 Chat 7B

Output speed: output tokens per second · 10,000 input tokens
No data available

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
No data available

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).

遅延

最初のトークンまでの時間（秒）で測定

最初のトークンまでの時間

Seconds to first token received · Lower is better · 10,000 input tokens
No data available

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.

エンドツーエンド応答時間

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

エンドツーエンド応答時間

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens
No data available

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

主要な比較指標とAPI機能

ReplicateのロゴReplicate
4.1k
オープン
--
--
--
--
--

よくある質問

Llama 2 Chat 7Bのプロバイダーに関するよくある質問

Llama 2 Chat 7Bは1社のAPIプロバイダーで利用できます：Replicate。性能特性と料金はプロバイダーごとに異なります。

現在、ベンチマークと追跡の対象となる1社のAPIプロバイダーでLlama 2 Chat 7Bを利用できます。

ブレンド料金でLlama 2 Chat 7Bが最安のプロバイダーはReplicate（100万トークンあたり$0.07）です。ブレンド料金では、キャッシュヒット／入力／出力トークンを7:2:1とします。

Llama 2 Chat 7Bの入力トークン料金が最安のプロバイダーはReplicate（入力100万トークンあたり$0.05）です。

Llama 2 Chat 7Bの出力トークン料金が最安のプロバイダーはReplicate（出力100万トークンあたり$0.25）です。

Llama 2 Chat 7Bのプロバイダーを選ぶ際は、出力速度（高スループットが必要なタスク）、遅延（最初の応答の速さが必要な対話型アプリケーション）、料金（費用を重視するワークロード）、JSONモードや関数呼び出しなどのAPI機能を検討してください。

はい。インフラストラクチャの変更、負荷分散、アップデートにより、プロバイダーの性能は時間とともに変化する場合があります。すべてのプロバイダーを継続的にベンチマークし、「推移」グラフに過去の性能傾向を表示しています。

Llama 2 Chat 7Bの知能、能力、モダリティ、他のモデルとの比較については、モデル概要ページをご覧ください。 モデル概要を表示