聪明世界#174
编程暂无
记性128K
便宜$0.71
记性换算成体感：一次能读完一本中篇小说
Llama 系列的文本模型 · 按发布时间
共 10 个 · 这里是相邻的 7 个 · Meta的全部模型 →他的房间
电脑
没有公开的编程评测成绩
书架
3 层 · 记忆 128K tokens
黑板
数学与科学推理
日历
知识停在 2023-12
冰箱
支持上下文缓存，能存记忆
敞开的门
开源权重，谁都能进
身世
- 发布日期
- 2024 年 12 月 6 日models.dev
- 知识截止
- 2023-12
- 参数量
- 70.55B
- 开放权重
- 是
- 开源许可
- 暂无数据
- 上下文窗口
- 128K tokens
- 单次最大输出
- 4K
- 输入价格
- $0.25 / 百万 tokens
- 输出价格
- $0.71 / 百万 tokens
- 模型类型
- 文本只读文字、只写文字的对话模型
- 支持的输入
- 文字 → 文字
- 工具调用
- 是
- 深度思考
- 否
- 提示缓存
- 是
战绩
- 综合智力
- 127.3
- AIME 数学
- 5.1%
- GPQA Diamond 科学
- 47.4%
- ARC-AGI-2 抽象推理
- 未参评
- Fiction.liveBench 长文本
- 未参评
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
没有查到这个模型的任何公开编程评测成绩。
这表示「没人公开测过它」，不表示「它不会写代码」——本站不会用估算值填补空缺。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力127.3第 174 / 208Epoch Capabilities Index，把十几项学术评测归并成一个总分。想知道「谁最强」，先看这一栏。第三方实测https://epoch.ai/benchmarks
- SimpleBench19.9%第 95 / 103一套普通人能轻松答对、模型却常常答错的常识题。分数越高越少犯「一看就傻」的错。第三方实测https://simple-bench.com/
数学
- AIME 数学5.1%第 175 / 191美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测https://epoch.ai/benchmarks
- MATH 五级41.6%第 73 / 91MATH 题库里难度最高的一档，高中竞赛水平。老榜单，顶尖模型早已接近满分。第三方实测https://epoch.ai/benchmarks/math-level-5
知识与推理
- GPQA 科学47.4%第 168 / 197博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测https://epoch.ai/benchmarks
- MMLU86.3%第 14 / 44横跨 57 个学科的大学水平选择题，曾是最通行的知识广度标尺。如今顶尖模型已接近饱和。第三方实测http://arxiv.org/abs/2412.08905
- CritPt 物理0.0%第 112 / 163研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
- WeirdML14.4%第 132 / 146一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测https://htihle.github.io/weirdml.html
游戏与谜题
- BALROG 游戏23.0%第 25 / 41玩 NetHack、我的世界之类的文字或像素游戏，看能推进多少进度。第三方实测https://balrogai.com/
其他
- Dtbench59.5%第 170 / 198Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench
- Lmca17.5%第 133 / 183Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/lmca