Llama 3.2 3B Instruct

Fiche modèle · Meta · llama-3.2-3b-instruct

Llama 3.2 3B Instruct is a large language model that supports a context length of 128K tokens and are state-of-the-art in their class for on-device use cases like summarization, instruction following, and rewriting tasks running locally at the edge.

Identité

OrganisationMeta
Pays—
Famille—
Typellm
Date de sortie2024-09-25
Licencellama 3.2 community license
Licence commercialenon
Licence open sourcenon
Poids ouvertsoui
Auto-hébergement (DGX Spark)oui — ≤ 107 Md (Q8/FP8)
Modalitéstext
Fenêtre de contexte128 000
KV cache / token (Q8)—
Paramètres totaux3.21 B
Paramètres actifs (session)3.21 B
Source des paramètres actifsweb : https://huggingface.co/meta-llama/Llama-3.2-3B-Instruct
Curation des paramètres actifs2026-11-04
Prix par session—
Tokens / tâche (Data Players)1.2 M
Tokens / tâche (Terminal-Bench)83.3 M (est.)
Ratio Terminal-Bench / Data Players69.4×
Coût / tâche (Terminal-Bench)—
Tokens d'entraînement9 000 000 000 000
Coupure de connaissance—
Créé le2026-05-07T16:53:30.945530Z
Mis à jour le2026-11-04T06:04:51.296784Z
SourceLLM Stats
URLhttps://llm-stats.com/models/llama-3.2-3b-instruct

Prix par fournisseur

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 « — ».

Aucune donnée.

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

Souveraineté

Scores par catégorie (top_scores)

CatégorieScore
chat0.80
instruction_following0.80
language0.60
legal0.60
math0.60
physics0.30
reasoning0.60
structured_output0.80
finance0.60
general0.60
healthcare0.60
biology0.30
chemistry0.30
tool_calling0.50

Scores par benchmark

BenchmarkCatégorieScoreMaxNormalisé (API)VérifiéAuto-déclaréDaté du
arc-creasoning0.791.000.79nonoui2026-11-04T06:04:51.302890Z
bfcl-v2general0.671.000.67nonoui2026-11-04T06:04:51.313158Z
gpqareasoning0.331.000.33nonoui2026-11-04T06:04:51.316566Z
gsm8kmath0.781.000.78nonoui2026-11-04T06:04:51.320407Z
hellaswagreasoning0.701.000.70nonoui2026-11-04T06:04:51.323890Z
ifevalchat0.771.000.77nonoui2026-11-04T06:04:51.327221Z
infinitebench-en.mclong_context0.631.000.63nonoui2026-11-04T06:04:51.333012Z
infinitebench-en.qalong_context0.201.000.20nonoui2026-11-04T06:04:51.343133Z
mathmath0.481.000.48nonoui2026-11-04T06:04:51.347043Z
mgsmmath0.581.000.58nonoui2026-11-04T06:04:51.351211Z
mmlugeneral0.631.000.63nonoui2026-11-04T06:04:51.355287Z
nexusgeneral0.341.000.34nonoui2026-11-04T06:04:51.359065Z
nih-multi-needlelong_context0.851.000.85nonoui2026-11-04T06:04:51.363276Z
open-rewritelanguage0.401.000.40nonoui2026-11-04T06:04:51.368680Z
tldr9+-(test)summarization0.191.000.19nonoui2026-11-04T06:04:51.371906Z

Classements

Aucune donnée.

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