Llama 3.1 405B Instruct

Fiche modèle · Meta · llama-3.1-405b-instruct

Llama 3.1 405B Instruct is a large language model optimized for multilingual dialogue use cases. It outperforms many available open source and closed chat models on common industry benchmarks. The model supports 8 languages and has a 128K token context length.

Fiches modèles

Identité

Organisation	Meta
Pays	—
Famille	—
Type	llm
Date de sortie	2024-07-23
Licence	llama 3.1 community license
Licence commerciale	non
Licence open source	non
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 405 Md > 107 Md
Modalités	text
Fenêtre de contexte	128 000
KV cache / token (Q8)	—
Paramètres totaux	405 B
Paramètres actifs (session)	406 B
Source des paramètres actifs	web : https://huggingface.co/meta-llama/Llama-3.1-405B-Instruct
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	15 000 000 000 000
Coupure de connaissance	—
Créé le	2026-05-07T16:53:30.747176Z
Mis à jour le	2026-11-04T06:04:50.768942Z
Source	LLM Stats
URL	https://llm-stats.com/models/llama-3.1-405b-instruct

Tokens/tâche

IA Act — preuves fournisseur

ICA 20/100 · périmètre complet · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	2,5	35 %
Conformité droit d'auteur	0,0	35 %
Code of Practice GPAI	0,0	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non — hors DGX Spark (> 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.90
instruction_following	0.90
language	0.80
legal	0.80
math	0.90
physics	0.50
reasoning	0.80
structured_output	0.90
finance	0.80
general	0.80
healthcare	0.80
biology	0.50
chemistry	0.50
code	0.60
tool_calling	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
api-bank	reasoning	0.92	1.00	0.92	non	oui	2026-11-04T06:04:50.773632Z
arc-c	reasoning	0.97	1.00	0.97	non	oui	2026-11-04T06:04:50.783286Z
bfcl	general	0.89	1.00	0.89	non	oui	2026-11-04T06:04:50.792641Z
drop	reasoning	0.85	1.00	0.85	non	oui	2026-11-04T06:04:50.797753Z
gorilla-benchmark-api-bench	reasoning	0.35	1.00	0.35	non	oui	2026-11-04T06:04:50.803196Z
gpqa	reasoning	0.51	1.00	0.51	non	oui	2026-11-04T06:04:50.813264Z
gsm8k	math	0.97	1.00	0.97	non	oui	2026-11-04T06:04:50.823106Z
humaneval	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:04:50.829234Z
ifeval	chat	0.89	1.00	0.89	non	oui	2026-11-04T06:04:50.833047Z
math	math	0.74	1.00	0.74	non	oui	2026-11-04T06:04:50.843125Z
mbpp-evalplus	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:04:50.846886Z
mmlu	general	0.87	1.00	0.87	non	oui	2026-11-04T06:04:50.854594Z
mmlu-(cot)	language	0.89	1.00	0.89	non	oui	2026-11-04T06:04:50.866606Z
mmlu-pro	language	0.73	1.00	0.73	non	oui	2026-11-04T06:04:50.873029Z
multilingual-mgsm-(cot)	math	0.92	1.00	0.92	non	oui	2026-11-04T06:04:50.883287Z
multipl-e-humaneval	language	0.75	1.00	0.75	non	oui	2026-11-04T06:04:50.893271Z
multipl-e-mbpp	general	0.66	1.00	0.66	non	oui	2026-11-04T06:04:50.896975Z
nexus	general	0.59	1.00	0.59	non	oui	2026-11-04T06:04:50.903043Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	167	—	11.47	2	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04