Llama 3.3 Instruct 70B logo
Meta
•

Open weights model

•

Released December 2024

Llama 3.3 Instruct 70B API 제공업체 벤치마킹 및 분석

모델 비교

Llama 3.3 Instruct 70B API 제공업체를 지연 시간(첫 토큰까지 걸린 시간), 출력 속도(초당 출력 토큰 수), 가격 등 성능 지표로 분석합니다. 벤치마킹한 API 제공업체로는 Fireworks, Google Vertex, Groq, Novita, Parasail (FP8), SambaNova, Nebius Base, CoreWeave, Together AI Turbo, Microsoft Azure, DeepInfra (Turbo, FP8), Cloudflare, Amazon Bedrock, Databricks 및 Scaleway 등이 있습니다.

가장 빠름

#1
GroqGroq
310.2 t/s
#2
SambaNovaSambaNova
291.5 t/s
#3
Google VertexGoogle Vertex
129.5 t/s
#4
AmazonAmazon
117.7 t/s
#5
AzureAzure
97.4 t/s

출력 속도

총 제공업체 15곳

가장 낮은 지연 시간

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

첫 토큰까지 걸린 시간

총 제공업체 15곳

가장 낮은 가격

#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

혼합 가격(토큰 100만 개당)

총 제공업체 15곳

Llama 3.3 70B은 성능 특성과 가격이 서로 다른 API 제공업체 15곳에서 제공됩니다. 아래에서 제공업체별 주요 지표를 비교합니다.

  • 출력 속도가 가장 높은 제공업체는 Groq(310.2 t/s), SambaNova(291.5 t/s) 및 Google Vertex(129.5 t/s)입니다. 제공업체별 속도 차이가 크며, 가장 빠른 곳과 가장 느린 곳의 차이는 2291%입니다.
  • Google Vertex(0.71초), CoreWeave(0.90초) 및 Groq(0.96초)의 첫 토큰까지 걸린 시간이 가장 짧습니다.
  • DeepInfra (Turbo, FP8)(0.12), Nebius Base(0.16) 및 Novita(0.16)의 토큰 100만 개당 혼합 가격이 가장 낮습니다. 제공업체별 가격은 최대 8.6배 차이 납니다.

주요 내용

속도

Output tokens per second · Higher is better

종단 간 응답 시간

Seconds · Lower is better

가격

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

업데이트: 프로덕션 사용 사례를 더 잘 반영하도록 기본 성능 벤치마킹 워크로드를 입력 토큰 10k개로 변경했습니다. 위에서 다른 워크로드도 계속 선택할 수 있습니다.

가격

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).

속도

출력 속도(초당 토큰 수)로 측정

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).

지연 시간

첫 토큰까지 걸린 시간(초)으로 측정

첫 토큰까지 걸린 시간

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.

종단 간 응답 시간

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

종단 간 응답 시간

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

주요 비교 지표 및 API 기능

Fireworks 로고Fireworks
131k
오픈
$0.14
--
--
--
--
Google 로고Google
128k
오픈
$0.11
129
0.71
4.57
--
Groq 로고Groq
131k
오픈
$0.09
310
0.96
2.57
--
Novita 로고Novita
131k
오픈
$0.02
--
--
--
--
Parasail 로고Parasail
131k
오픈
$0.02
58
2.52
11.09
--
SambaNova 로고SambaNova
128k
오픈
$0.09
292
1.93
3.65
--
Nebius 로고Nebius
128k
오픈
$0.02
14
6.50
42.00
--
CoreWeave 로고CoreWeave
128k
오픈
$0.11
77
0.90
7.38
--
Together AI 로고Together AI
131k
오픈
$0.16
86
1.31
7.11
--
Microsoft Azure 로고Microsoft Azure
128k
오픈
$0.11
97
2.37
7.50
--
DeepInfra 로고DeepInfra
131k
오픈
$0.02
13
2.29
40.83
--
Cloudflare 로고Cloudflare
24k
오픈
$0.05
55
3.57
12.65
--
Amazon Bedrock 로고Amazon Bedrock
128k
오픈
$0.11
118
1.08
5.33
--
Databricks 로고Databricks
128k
오픈
$0.08
67
1.21
8.72
--
Scaleway 로고Scaleway
100k
오픈
$0.16
83
1.37
7.38
--

자주 묻는 질문

Llama 3.3 Instruct 70B 제공업체에 관한 일반적인 질문

Llama 3.3 Instruct 70B은 API 제공업체 15곳에서 제공됩니다: Fireworks, Google Vertex, Groq, Novita, Parasail (FP8), SambaNova, Nebius Base, CoreWeave, Together AI Turbo, Azure, DeepInfra (Turbo, FP8), Cloudflare, Amazon, Databricks 및 Scaleway. 제공업체마다 성능 특성과 가격이 다릅니다.

현재 벤치마킹하고 추적하는 Llama 3.3 Instruct 70B API 제공업체는 15곳입니다.

출력 속도 기준 Llama 3.3 Instruct 70B의 가장 빠른 제공업체들은 Groq(310.2 t/s), SambaNova(291.5 t/s) 및 Google Vertex(129.5 t/s)입니다. 출력 속도는 모델이 응답을 시작한 뒤 토큰을 얼마나 빠르게 생성하는지 측정합니다.

Llama 3.3 Instruct 70B의 첫 토큰까지 걸린 시간이 가장 짧은 제공업체들은 Google Vertex(0.71s), CoreWeave(0.90s) 및 Groq(0.96s)입니다. 지연 시간이 짧을수록 최초 응답을 더 빨리 받습니다.

혼합 가격 기준 Llama 3.3 Instruct 70B의 가장 저렴한 제공업체들은 DeepInfra (Turbo, FP8)(토큰 100만 개당 $0.12), Nebius Base(토큰 100만 개당 $0.16) 및 Novita(토큰 100만 개당 $0.16)입니다. 혼합 가격은 캐시 적중/입력/출력 토큰 비율을 7:2:1로 가정합니다.

Llama 3.3 Instruct 70B의 입력 토큰 가격이 가장 낮은 제공업체들은 DeepInfra (Turbo, FP8)(입력 토큰 100만 개당 $0.10), Nebius Base(입력 토큰 100만 개당 $0.13) 및 Novita(입력 토큰 100만 개당 $0.14)입니다.

Llama 3.3 Instruct 70B의 출력 토큰 가격이 가장 낮은 제공업체들은 DeepInfra (Turbo, FP8)(출력 토큰 100만 개당 $0.32), Novita(출력 토큰 100만 개당 $0.40) 및 Nebius Base(출력 토큰 100만 개당 $0.40)입니다.

Llama 3.3 Instruct 70B의 제공업체별 가격은 최대 8.6배 차이 납니다. 가장 저렴한 DeepInfra (Turbo, FP8)은 토큰 100만 개당 $0.12이고, Scaleway은 $1.05입니다.

Llama 3.3 Instruct 70B의 출력 속도는 제공업체별로 큰 차이가 있습니다. 가장 빠른 Groq은 310.2 t/s로, 13.0 t/s인 DeepInfra (Turbo, FP8)보다 23.9배 빠릅니다.

Llama 3.3 Instruct 70B 제공업체 15곳 중 14곳이 JSON 모드를 지원합니다: Fireworks, Google Vertex, Groq, Novita, Parasail (FP8), SambaNova, Nebius Base, CoreWeave, Together AI Turbo, Azure, DeepInfra (Turbo, FP8), Cloudflare, Databricks 및 Scaleway.

Llama 3.3 Instruct 70B 제공업체 15곳 모두 함수 호출(도구 사용)을 지원합니다.

Llama 3.3 Instruct 70B의 최적 제공업체는 우선순위에 따라 다릅니다. Groq은 출력 속도가 가장 빠르고, Google Vertex은 지연 시간이 가장 짧으며, DeepInfra (Turbo, FP8)은 가격 경쟁력이 가장 뛰어납니다.

Llama 3.3 Instruct 70B 제공업체를 선택할 때는 출력 속도(처리량 중심 작업), 지연 시간(빠른 최초 응답이 필요한 대화형 애플리케이션), 가격(비용에 민감한 워크로드), JSON 모드나 함수 호출 같은 API 기능을 고려하세요.

예. 인프라 변경, 부하 분산, 업데이트에 따라 제공업체 성능이 달라질 수 있습니다. 모든 제공업체를 지속적으로 벤치마킹하고 '시간 경과' 차트에 과거 성능 추이를 표시합니다.

Llama 3.3 Instruct 70B의 지능, 역량, 모달리티와 다른 모델과의 비교 정보는 모델 개요 페이지에서 확인하세요. 모델 개요 보기