Llama 3.3 Instruct 70B logo
Meta
•

Open weights model

•

Released December 2024

Llama 3.3 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 3.3 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Fireworks、Google Vertex、Groq、Novita、Parasail (FP8)、SambaNova、Nebius Base、CoreWeave、Together AI Turbo、Microsoft Azure、DeepInfra (Turbo, FP8)、Cloudflare、Amazon Bedrock、Databricks、Scalewayが含まれます。

最速

#1
GroqGroq
299.2 t/s
#2
SambaNovaSambaNova
291.5 t/s
#3
Google VertexGoogle Vertex
118.5 t/s
#4
AmazonAmazon
116.8 t/s
#5
AzureAzure
94.9 t/s

出力速度

プロバイダー合計：15社

最短の遅延

#1
Google VertexGoogle Vertex
0.71 s
#2
CoreWeaveCoreWeave
0.90 s
#3
GroqGroq
0.96 s
#4
AmazonAmazon
1.09 s
#5
DatabricksDatabricks
1.22 s

最初のトークンまでの時間

プロバイダー合計：15社

最安料金

#1
DeepInfra (Turbo, FP8)DeepInfra (Turbo, FP8)
$0.12
#2
Nebius BaseNebius Base
$0.16
#3
NovitaNovita
$0.16
#4
Parasail (FP8)Parasail (FP8)
$0.17
#5
CloudflareCloudflare
$0.49

ブレンド料金（100万トークンあたり）

プロバイダー合計：15社

Llama 3.3 70Bは15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Groq（299.2 t/s）、SambaNova（291.5 t/s）、Google Vertex（118.5 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2276%の差があります。
  • 遅延では、Google Vertex（0.71秒）、CoreWeave（0.90秒）、Groq（0.96秒）の最初のトークンまでの時間が最短です。
  • 料金では、DeepInfra (Turbo, FP8)（0.12）、Nebius Base（0.16）、Novita（0.16）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8.6倍の差があります。

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

更新：本番環境のユースケースをより適切に反映するため、性能ベンチマークのデフォルトワークロードを入力10kトークンに変更しました。上部で別のワークロードを引き続き選択できます。

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).

Pricing: Cache Discount

1 - (cache hit price / input price) · Higher is better

Reduction in input token cost due to cache hit relative to input price. Formula: 1 - (Cache Hit Price per Token / Input Token Price), where cache hit price is the first-party cache hit price or the median provider cache hit price. Note that this discount figure does not account for all costs associated with cache hits, such as cache write and storage costs.

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 3.3 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
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).

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

FireworksのロゴFireworks
131k
オープン
$0.14
--
--
--
--
GoogleのロゴGoogle
128k
オープン
$0.11
133
0.71
4.46
--
GroqのロゴGroq
131k
オープン
$0.09
310
0.94
2.56
--
NovitaのロゴNovita
131k
オープン
$0.02
--
--
--
--
ParasailのロゴParasail
131k
オープン
$0.02
59
2.60
11.01
--
SambaNovaのロゴSambaNova
128k
オープン
$0.09
292
2.03
3.74
--
NebiusのロゴNebius
128k
オープン
$0.02
12
6.50
49.19
--
CoreWeaveのロゴCoreWeave
128k
オープン
$0.11
78
0.90
7.34
--
Together AIのロゴTogether AI
131k
オープン
$0.16
89
1.29
6.92
--
Microsoft AzureのロゴMicrosoft Azure
128k
オープン
$0.11
96
2.37
7.57
--
DeepInfraのロゴDeepInfra
131k
オープン
$0.02
13
2.25
39.61
--
CloudflareのロゴCloudflare
24k
オープン
$0.05
55
3.57
12.65
--
Amazon BedrockのロゴAmazon Bedrock
128k
オープン
$0.11
117
1.11
5.39
--
DatabricksのロゴDatabricks
128k
オープン
$0.08
67
1.22
8.71
--
ScalewayのロゴScaleway
100k
オープン
$0.16
84
1.35
7.30
--

よくある質問

Llama 3.3 Instruct 70Bのプロバイダーに関するよくある質問

Llama 3.3 Instruct 70Bは15社のAPIプロバイダーで利用できます：Fireworks、Google Vertex、Groq、Novita、Parasail (FP8)、SambaNova、Nebius Base、CoreWeave、Together AI Turbo、Azure、DeepInfra (Turbo, FP8)、Cloudflare、Amazon、Databricks、Scaleway。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15社のAPIプロバイダーでLlama 3.3 Instruct 70Bを利用できます。

出力速度でLlama 3.3 Instruct 70Bが最速のプロバイダーはGroq（299.2 t/s）、SambaNova（291.5 t/s）、Google Vertex（118.5 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 3.3 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Google Vertex（0.71s）、CoreWeave（0.90s）、Groq（0.96s）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 3.3 Instruct 70Bが最安のプロバイダーはDeepInfra (Turbo, FP8)（100万トークンあたり$0.12）、Nebius Base（100万トークンあたり$0.16）、Novita（100万トークンあたり$0.16）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 3.3 Instruct 70Bの入力トークン料金が最安のプロバイダーはDeepInfra (Turbo, FP8)（入力100万トークンあたり$0.10）、Nebius Base（入力100万トークンあたり$0.13）、Novita（入力100万トークンあたり$0.14）です。

Llama 3.3 Instruct 70Bの出力トークン料金が最安のプロバイダーはDeepInfra (Turbo, FP8)（出力100万トークンあたり$0.32）、Novita（出力100万トークンあたり$0.40）、Nebius Base（出力100万トークンあたり$0.40）です。

Llama 3.3 Instruct 70Bの料金はプロバイダー間で最大8.6倍異なります。最安はDeepInfra (Turbo, FP8)の100万トークンあたり$0.12で、Scalewayは100万トークンあたり$1.05です。

Llama 3.3 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。Groqが299.2 t/sで最速であり、Nebius Baseの12.6 t/sと比べて23.8倍高速です。

15社中14社のプロバイダーがLlama 3.3 Instruct 70BのJSONモードに対応しています：Fireworks、Google Vertex、Groq、Novita、Parasail (FP8)、SambaNova、Nebius Base、CoreWeave、Together AI Turbo、Azure、DeepInfra (Turbo, FP8)、Cloudflare、Databricks、Scaleway。

Llama 3.3 Instruct 70Bを提供する15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 3.3 Instruct 70Bに最適なプロバイダーは、優先事項によって異なります。Groqは出力速度が最も速く、Google Vertexは遅延が最も短く、DeepInfra (Turbo, FP8)は料金の競争力が最も優れています。

Llama 3.3 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 3.3 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