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 Results for other workloads are historical and no longer updated.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 Benchmarking e análise de provedores de API

Comparação de modelos

Análise dos provedores de API do Llama 2 Chat 7B em métricas de desempenho como latência (tempo até o primeiro token), velocidade de saída (tokens de saída por segundo), preço e outras. Os provedores de API avaliados incluem Replicate.

Mais rápido

Velocidade de saída

1 provedor no total

Menor latência

Tempo até o primeiro token

1 provedor no total

Menor preço

#1
ReplicateReplicate
$0.07

Preço combinado (por 1M de tokens)

1 provedor no total

Llama 2 Chat 7B está disponível por meio da Replicate.

Não há benchmarks de provedores disponíveis para este modelo.
Consulte a página do modelo Llama 2 Chat 7B para ver detalhes do modelo e comparar sua inteligência com a de outros modelos.

Destaques

Velocidade

Output tokens per second · Higher is better
No data available

Tempo de resposta de ponta a ponta

Seconds · Lower is better
No data available

Preço

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

Preços

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).

Velocidade

Medida pela velocidade de saída (tokens por segundo)

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).

Latência

Medida pelo tempo (segundos) até o primeiro token

Tempo até o primeiro token

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.

Tempo de resposta de ponta a ponta

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

Tempo de resposta de ponta a ponta

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

Principais métricas de comparação e recursos da API

Logo: ReplicateReplicate
4.1k
Aberto
--
--
--
--
--

Perguntas frequentes

Perguntas comuns sobre os provedores do Llama 2 Chat 7B

Llama 2 Chat 7B está disponível em 1 provedor de API: Replicate. Cada provedor oferece características de desempenho e preços diferentes.

Atualmente, o Llama 2 Chat 7B está disponível em 1 provedor de API que avaliamos e acompanhamos.

O provedor mais acessível para o Llama 2 Chat 7B em preço combinado é Replicate ($0.07 por 1M de tokens). O preço combinado usa uma proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída.

O provedor com o menor preço de tokens de entrada para o Llama 2 Chat 7B é Replicate ($0.05 por 1M de tokens de entrada).

O provedor com o menor preço de tokens de saída para o Llama 2 Chat 7B é Replicate ($0.25 por 1M de tokens de saída).

Ao escolher um provedor para o Llama 2 Chat 7B, considere a velocidade de saída (para tarefas que exigem alta vazão), a latência (para aplicações interativas que precisam de respostas iniciais rápidas), o preço (para cargas de trabalho atentas aos custos) e os recursos da API, como modo JSON e chamadas de funções.

Sim. O desempenho dos provedores pode variar ao longo do tempo devido a mudanças na infraestrutura, balanceamento de carga e atualizações. Avaliamos continuamente todos os provedores e exibimos as tendências históricas de desempenho nos gráficos de evolução ao longo do tempo.

Para saber mais sobre a inteligência, as capacidades e as modalidades do Llama 2 Chat 7B, além de como ele se compara a outros modelos, consulte a página de visão geral do modelo. Ver visão geral do modelo