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 Results for other workloads are historical and no longer updated.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 3.3 70B. We suggest considering it instead.

For more information, see comparison of Llama 3.3 70B to other models and API provider benchmarks for Llama 3.3 70B.

Llama 3.1 Instruct 70B logo
Meta
•

Open weights model

•

Released July 2024

Llama 3.1 Instruct 70B APIプロバイダーのベンチマークと分析

モデル比較

Llama 3.1 Instruct 70BのAPIプロバイダーを、遅延（最初のトークンまでの時間）、出力速度（1秒あたりの出力トークン数）、料金などの性能指標で分析します。ベンチマーク対象のAPIプロバイダーにはAmazon Bedrock Standard、DeepInfra、Amazon Bedrock Latency Optimized、DeepInfra (Turbo, FP8)が含まれます。

最速

#1
Amazon Latency OptimizedAmazon Latency Optimized
121.2 t/s
#2
Amazon StandardAmazon Standard
95.4 t/s
#3
DeepInfra (Turbo, FP8)DeepInfra (Turbo, FP8)
33.7 t/s
#4
DeepInfraDeepInfra
33.1 t/s

出力速度

プロバイダー合計：4社

最短の遅延

#1
Amazon Latency OptimizedAmazon Latency Optimized
1.28 s
#2
Amazon StandardAmazon Standard
1.33 s
#3
DeepInfra (Turbo, FP8)DeepInfra (Turbo, FP8)
1.70 s
#4
DeepInfraDeepInfra
1.93 s

最初のトークンまでの時間

プロバイダー合計：4社

最安料金

#1
DeepInfraDeepInfra
$0.40
#2
DeepInfra (Turbo, FP8)DeepInfra (Turbo, FP8)
$0.40
#3
Amazon StandardAmazon Standard
$0.72
#4
Amazon Latency OptimizedAmazon Latency Optimized
$0.90

ブレンド料金（100万トークンあたり）

プロバイダー合計：4社

Llama 3.1 70Bは4社のAPIプロバイダーで利用でき、性能特性と料金はそれぞれ異なります。以下でプロバイダー間の主要指標を比較します。

  • 出力速度の上位プロバイダーはAmazon Latency Optimized（121.2 t/s）、Amazon Standard（95.4 t/s）、DeepInfra (Turbo, FP8)（33.7 t/s）です。 プロバイダー間の速度差は大きく、最速と最遅で266%の差があります。
  • 遅延では、Amazon Latency Optimized（1.28秒）、Amazon Standard（1.33秒）、DeepInfra (Turbo, FP8)（1.70秒）の最初のトークンまでの時間が最短です。
  • 料金では、DeepInfra（0.40）、DeepInfra (Turbo, FP8)（0.40）、Amazon Standard（0.72）の100万トークンあたりのブレンド料金が最安です。 プロバイダー間で料金に最大2.2倍の差があります。
  • Amazon Latency Optimizedは出力速度が最も速く、遅延も最短で、性能が最も優れています。費用を最適化するなら、DeepInfraの料金が最も競争力に優れています。

ハイライト

速度

Output tokens per second · Higher is better

エンドツーエンド応答時間

Seconds · Lower is better

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
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).

速度

出力速度（1秒あたりのトークン数）で測定

Output Speed: Llama 3.1 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).

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

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

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

Amazon BedrockのロゴAmazon Bedrock
128k
オープン
--
99
1.33
6.38
--
DeepInfraのロゴDeepInfra
131k
オープン
--
34
1.84
16.47
--
Amazon BedrockのロゴAmazon Bedrock
128k
オープン
--
124
1.27
5.29
--
DeepInfraのロゴDeepInfra
131k
オープン
--
35
1.67
16.07
--

よくある質問

Llama 3.1 Instruct 70Bのプロバイダーに関するよくある質問

Llama 3.1 Instruct 70Bは4社のAPIプロバイダーで利用できます：Amazon Standard、DeepInfra、Amazon Latency Optimized、DeepInfra (Turbo, FP8)。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4社のAPIプロバイダーでLlama 3.1 Instruct 70Bを利用できます。

出力速度でLlama 3.1 Instruct 70Bが最速のプロバイダーはAmazon Latency Optimized（121.2 t/s）、Amazon Standard（95.4 t/s）、DeepInfra (Turbo, FP8)（33.7 t/s）です。出力速度は、モデルが応答を開始した後にトークンを生成する速さを表します。

Llama 3.1 Instruct 70Bの最初のトークンまでの時間が最短のプロバイダーはAmazon Latency Optimized（1.28s）、Amazon Standard（1.33s）、DeepInfra (Turbo, FP8)（1.70s）です。遅延が短いほど、最初の応答が速くなります。

ブレンド料金でLlama 3.1 Instruct 70Bが最安のプロバイダーはDeepInfra（100万トークンあたり$0.40）、DeepInfra (Turbo, FP8)（100万トークンあたり$0.40）、Amazon Standard（100万トークンあたり$0.72）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 3.1 Instruct 70Bの入力トークン料金が最安のプロバイダーはDeepInfra（入力100万トークンあたり$0.40）、DeepInfra (Turbo, FP8)（入力100万トークンあたり$0.40）、Amazon Standard（入力100万トークンあたり$0.72）です。

Llama 3.1 Instruct 70Bの出力トークン料金が最安のプロバイダーはDeepInfra（出力100万トークンあたり$0.40）、DeepInfra (Turbo, FP8)（出力100万トークンあたり$0.40）、Amazon Standard（出力100万トークンあたり$0.72）です。

Llama 3.1 Instruct 70Bの料金はプロバイダー間で最大2.2倍異なります。最安はDeepInfraの100万トークンあたり$0.40で、Amazon Latency Optimizedは100万トークンあたり$0.90です。

Llama 3.1 Instruct 70Bの出力速度はプロバイダーによって大きく異なります。Amazon Latency Optimizedが121.2 t/sで最速であり、DeepInfraの33.1 t/sと比べて3.7倍高速です。

4社中2社のプロバイダーがLlama 3.1 Instruct 70BのJSONモードに対応しています：DeepInfra、DeepInfra (Turbo, FP8)。

Llama 3.1 Instruct 70Bを提供する4社すべてが、関数呼び出し（ツール利用）に対応しています。

Llama 3.1 Instruct 70Bでは、Amazon Latency Optimizedの出力速度が最も速く、遅延も最短で、性能が最も優れています。費用を最適化するなら、DeepInfraの料金が最も競争力に優れています。

Llama 3.1 Instruct 70B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 3.1 Instruct 70B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