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 Results for other workloads are historical and no longer updated.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 3.1 8B. We suggest considering it instead.

For more information, see comparison of Llama 3.1 8B to other models and API provider benchmarks for Llama 3.1 8B.

Llama 3 Instruct 8B logo
Meta
•

Open weights model

•

Released April 2024

Llama 3 Instruct 8B APIプロバイダーのベンチマークと分析

モデル比較

Llama 3 Instruct 8B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Novita、Amazon Bedrock、Replicate、DeepInfraが含まれます。

最速

出力速度

プロバイダー合計：4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：4社

最安料金

#1
DeepInfraDeepInfra
$0.03
#2
NovitaNovita
$0.04
#3
ReplicateReplicate
$0.07
#4
AmazonAmazon
$0.33

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 8B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。

  • 料金では、DeepInfra（0.03）、Novita（0.04）、Replicate（0.07）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10.6倍の差があります。

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 3 Instruct 8B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 3 Instruct 8B

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

NovitaのロゴNovita
8.19k
オープン
--
--
--
--
--
Amazon BedrockのロゴAmazon Bedrock
8.19k
オープン
--
--
--
--
--
ReplicateのロゴReplicate
8.19k
オープン
--
--
--
--
--
DeepInfraのロゴDeepInfra
8.19k
オープン
--
--
--
--
--

よくある質問

Llama 3 Instruct 8Bのプロバイダーに関するよくある質問

Llama 3 Instruct 8Bは4社のAPIプロバイダーで利用できます：Novita、Amazon、Replicate、DeepInfra。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 Instruct 8Bを利用できます。

ブレンド料金でLlama 3 Instruct 8Bが最安のプロバイダーはDeepInfra（100万トークンあたり$0.03）、Novita（100万トークンあたり$0.04）、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 3 Instruct 8B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$0.03）、Novita（入力100万トークンあたり$0.04）、Replicate（入力100万トークンあたり$0.05）です。

Llama 3 Instruct 8Bの出力トークン料金が最安のプロバイダーはNovita（出力100万トークンあたり$0.04）、DeepInfra（出力100万トークンあたり$0.04）、Replicate（出力100万トークンあたり$0.25）です。

Llama 3 Instruct 8Bの料金はプロバイダー間で最大10.6倍異なります。最安はDeepInfraの100万トークンあたり$0.03で、Amazonは100万トークンあたり$0.33です。

4社中2社のプロバイダーがLlama 3 Instruct 8BのJSONモードに対応しています：Novita、DeepInfra。

4社中1社のプロバイダーがLlama 3 Instruct 8Bの関数呼び出しに対応しています：DeepInfra。

Llama 3 Instruct 8B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 Instruct 8B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