Llama 3.1 8B Instruct

Fiche modèle · Meta · llama-3.1-8b-instruct

Llama 3.1 8B Instruct is a multilingual large language model optimized for dialogue use cases. It features a 128K context length, state-of-the-art tool use, and strong reasoning capabilities.

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)	oui — ≤ 107 Md (Q8/FP8)
Modalités	text
Fenêtre de contexte	128 000
KV cache / token (Q8)	—
Paramètres totaux	8 B
Paramètres actifs (session)	8.03 B
Source des paramètres actifs	web : https://huggingface.co/meta-llama/Llama-3.1-8B-Instruct
Curation des paramètres actifs	2026-11-04
Prix par session	0.03 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
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)	0.24 $ (est.)
Tokens d'entraînement	15 000 000 000 000
Coupure de connaissance	2023-12-31
Créé le	2026-05-07T16:53:30.860280Z
Mis à jour le	2026-11-04T06:04:51.053243Z
Source	LLM Stats
URL	https://llm-stats.com/models/llama-3.1-8b-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) : partiel — auto-hébergement 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 « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
DeepInfra	llm-stats	non	0.02 $	0.04 $	—	—	—	—	active

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

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.80
instruction_following	0.80
language	0.60
legal	0.60
math	0.60
physics	0.30
reasoning	0.60
structured_output	0.80
finance	0.60
general	0.60
healthcare	0.60
biology	0.30
chemistry	0.30
code	0.40
tool_calling	0.50

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
api-bank	reasoning	0.83	1.00	0.83	non	oui	2026-11-04T06:04:51.073586Z
arc-c	reasoning	0.83	1.00	0.83	non	oui	2026-11-04T06:04:51.083393Z
bfcl	general	0.76	1.00	0.76	non	oui	2026-11-04T06:04:51.088837Z
drop	reasoning	0.59	1.00	0.59	non	oui	2026-11-04T06:04:51.093161Z
gorilla-benchmark-api-bench	reasoning	0.08	1.00	0.08	non	oui	2026-11-04T06:04:51.097380Z
gpqa	reasoning	0.30	1.00	0.30	non	oui	2026-11-04T06:04:51.100853Z
gsm-8k-(cot)	math	0.84	1.00	0.84	non	oui	2026-11-04T06:04:51.104162Z
humaneval	reasoning	0.73	1.00	0.73	non	oui	2026-11-04T06:04:51.112378Z
ifeval	chat	0.80	1.00	0.80	non	oui	2026-11-04T06:04:51.123132Z
math-(cot)	math	0.52	1.00	0.52	non	oui	2026-11-04T06:04:51.133098Z
mbpp-evalplus-(base)	reasoning	0.73	1.00	0.73	non	oui	2026-11-04T06:04:51.145857Z
mmlu	general	0.69	1.00	0.69	non	oui	2026-11-04T06:04:51.149583Z
mmlu-(cot)	language	0.73	1.00	0.73	non	oui	2026-11-04T06:04:51.154273Z
mmlu-pro	language	0.48	1.00	0.48	non	oui	2026-11-04T06:04:51.162189Z
multilingual-mgsm-(cot)	math	0.69	1.00	0.69	non	oui	2026-11-04T06:04:51.183084Z
multipl-e-humaneval	language	0.51	1.00	0.51	non	oui	2026-11-04T06:04:51.193184Z
multipl-e-mbpp	general	0.52	1.00	0.52	non	oui	2026-11-04T06:04:51.197704Z
nexus	general	0.39	1.00	0.39	non	oui	2026-11-04T06:04:51.203596Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	264	—	-2.33	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