Meta · pașaport de model
Llama 3 70b Instruct
llama-3-70b-instruct- Ponderi deschise
- Licență Llama 3 Community
- Lansat 2024-04-18(curatoriat)
- General · LMArena
- 1,277#285 din 396
- Cea mai bună percentilă
- 28.3General
- Poziția în cohortă
- 37.3mediană 32.8
Ce spun datele
Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Neuniform: 1,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 28.3 pct pe General față de 27.1 pct pe Programare.
- General28.3 pct1,277Verifică →
- Urmarea instrucțiunilor28 pct1,259Verifică →
- Prompturi dificile27.8 pct1,280Verifică →
- Programare27.1 pct1,306Verifică →
- WebDev ArenaNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
llama-3-70b-instruct stands at 37.3 (raw mean 27.8) — measured on 4 of 27 axes.
llama-3-70b-instruct stands at 37.3 versus a cohort median of 32.8 across 118 models released within 180 days — above the peer median.
llama-3-70b-instruct ranks between #284 and #594 across 5 built-in weightings — best under "Axat pe programare", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →