meta-llama
Meta: Llama 3.3 70B Instruct
meta-llama/llama-3.3-70b-instruct
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Llama 3.3 70B Instruct de Meta es un modelo generativo multilingüe de 70.000 millones de parámetros, preentrenado y ajustado por instrucciones, que el catálogo de OpenRouter ofrece como modelo de texto a texto. La ficha reporta una ventana de contexto de 131.072 tokens, un corte de conocimiento a finales de 2023 y compatibilidad con llamadas a herramientas, salidas estructuradas y controles de muestreo habituales. El catálogo de OpenRouter es la única evidencia aportada; no había una ficha de modelo independiente en este paquete de fuentes y solo se incluyen métricas de codificación limitadas de terceros, por lo que conviene validar el rendimiento real en la carga de trabajo objetivo.[1]
Puntos fuertes
- Según el catálogo de OpenRouter, el modelo admite llamadas a herramientas, selección de herramienta y salidas estructuradas, además de controles de muestreo como temperature, top-p, min-p y logit bias.[1]
- La ficha indica una longitud de contexto de 131.072 tokens, lo que puede resultar útil para documentos largos o conversaciones de múltiples turnos.[1]
- El catálogo lo describe como un modelo generativo multilingüe ajustado por instrucciones, lo que sugiere idoneidad para cargas de trabajo en idiomas distintos del inglés.[1]
Limitaciones
- Toda la evidencia procede de una única entrada del catálogo de OpenRouter; no había una ficha de modelo independiente ni documentación oficial en este paquete, por lo que las afirmaciones sobre capacidades y calidad siguen sin verificarse.[1]
- La ficha reporta entrada y salida solo de texto; no se documentan imágenes, audio ni otras modalidades.[1]
- El catálogo no reporta un modo de razonamiento dedicado y el paquete solo contiene una métrica de codificación de terceros, por lo que el rendimiento medido es en gran parte desconocido y requiere validación en la carga de trabajo.[1]
Dónde utilizarlo
- Los asistentes agénticos o que usan herramientas podrían encajar bien dada la compatibilidad con llamadas a funciones y salidas estructuradas que reporta el catálogo; pruébelo con sus propias herramientas antes de adoptarlo.[1]
- Las cargas de trabajo multilingües de chat o redacción podrían beneficiarse del ajuste por instrucciones multilingüe reportado, aunque la calidad por idioma no se ha medido en este paquete.[1]
- Las tareas de contexto largo, como preguntas y respuestas sobre documentos, podrían aprovechar la ventana de contexto de 131.000 tokens indicada, previa validación del recuerdo y la latencia.[1]
Fuentes
- [1] OpenRouter catalog · Meta: Llama 3.3 70B InstructFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
The Meta Llama 3.3 multilingual large language model (LLM) is a pretrained and instruction tuned generative model in 70B (text in/text out). The Llama 3.3 instruction tuned text only model...
Especificaciones
- ID del modelo
- meta-llama/llama-3.3-70b-instruct
- Creador
- meta-llama
- Añadido a OpenRouter
- 06.12.2024
- Longitud de contexto
- 131,072
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.710 / salida $0.710
- Corte de conocimiento
- 31.12.2023
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | CC — por debajo de la franja B | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 11.9 | CC — por debajo de la franja B | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfrafp8 | 131,072 | $0.100 | $0.320 | — | — | 100% |
| AkashMLfp8 | 131,072 | $0.200 | $0.520 | — | — | 100% |
| Parasailfp8 | 131,072 | $0.220 | $0.500 | — | — | 100% |
| Cloudflarefp8 | 24,000 | $0.293 | $2.25 | — | — | 100% |
| Groq | 131,072 | $0.590 | $0.790 | — | — | 100% |
| SambaNova | 131,072 | $0.600 | $1.2 | — | — | 100% |
| CoreWeavefp16 | 128,000 | $0.710 | $0.710 | — | — | 100% |
| 128,000 | $0.720 | $0.720 | — | — | — | |
| 128,000 | $0.720 | $0.720 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.