Llama 2 70B vs Llama 3 70B：基准对比
详细对比 Llama 2 70B 与 Llama 3 70B 的基准表现、定价、上下文窗口与合规性。
核心规格对比
| 规格 | Llama 2 70B | Llama 3 70B |
|---|---|---|
| 厂商 | meta | meta |
| 版本 | 2-70b | 3-70b |
| 发布日期 | 2023-07-18 | 2024-04-18 |
| 上下文窗口 | 4096 tokens | 8192 tokens |
| 输入模态 | text | text |
| 输出模态 | text | text |
| 许可 | Llama 2 Community License | Llama 3 Community License |
| SOC2 | ✗ | ✗ |
| HIPAA | ✗ | ✗ |
| GDPR | ✗ | ✗ |
| ISO 27001 | ✗ | ✗ |
基准测试结果
| 基准 | Llama 2 70B | Llama 3 70B | 胜出 |
|---|---|---|---|
| ARC | 80.3 | 93.4 | Llama 3 70B |
| BBH | 62.5 | 77.6 | Llama 3 70B |
| GPQA | 27.2 | 38.2 | Llama 3 70B |
| GSM8K | 51.8 | 76.2 | Llama 3 70B |
| HUMANEVAL | 50.6 | 73 | Llama 3 70B |
| IFEVAL | 57.1 | 72.2 | Llama 3 70B |
| MATH | 22.4 | 50.1 | Llama 3 70B |
| MMLU | 53 | 79.5 | Llama 3 70B |
| MUSR | 36.1 | 51.2 | Llama 3 70B |
| WINOGRANDE | 73.4 | 79.2 | Llama 3 70B |
定价对比
| 项目 (每百万Token) | Llama 2 70B | Llama 3 70B |
|---|---|---|
| 输入 | $0.9 | $0.9 |
| 输出 | $0.9 | $0.9 |
| 缓存读 | $0 | $0 |
| 缓存写 | $0 | $0 |
Llama 2 70B 对比 Llama 3 70B
模型概述
Llama 2 70B 与 Llama 3 70B 均为 AI 模型市场的重要选项。本页对比两者在基准、定价与合规性上的差异。
核心规格对比
| 厂商 | 发布日期 | 上下文窗口 | 许可证 |
|---|---|---|---|
| Meta / Meta | 2023-07-18 / 2024-04-18 | 4K / 8K | Llama 2 Community License / Llama 3 Community License |
基准测试表现
| 基准 | Llama 2 70B | Llama 3 70B | 胜出 |
|---|---|---|---|
| ARC | 80.3 | 93.4 | B |
| BBH (BIG-Bench Hard) | 62.5 | 77.6 | B |
| GPQA | 27.2 | 38.2 | B |
| GSM8K (Grade School Math 8K) | 51.8 | 76.2 | B |
| HumanEval | 50.6 | 73.0 | B |
| IFEval | 57.1 | 72.2 | B |
| MATH | 22.4 | 50.1 | B |
| MMLU (Massive Multitask Language Understanding) | 53.0 | 79.5 | B |
| MUSR | 36.1 | 51.2 | B |
| WinoGrande | 73.4 | 79.2 | B |
定价对比
| 输入 | 输出 | 缓存读取 | 缓存写入 |
|---|---|---|---|
| — / — | — / — | — / — | — / — |
每百万 token — A / B
优势 & 劣势
Llama 2 70B
- ✅ 可靠的通用模型。
- ⚠️ MMLU 仅 53.0，知识推理偏弱。
- ⚠️ 闭源专有模型，不支持自托管。
- ⚠️ 上下文窗口 4K 偏小。
Llama 3 70B
- ✅ 可靠的通用模型。
- ⚠️ 闭源专有模型，不支持自托管。
- ⚠️ 上下文窗口 8K 偏小。
编辑点评
Llama 2 70B 与 Llama 3 70B 各有侧重。建议根据具体场景（代码、长文本、视觉等）选择，参考上方基准与定价表。
常见问题
哪个模型在代码任务上更优？
参考 HumanEval 基准得分表，得分更高者更适合代码任务。
哪个模型价格更低？
参考上方的定价对比表，输入/输出价格更低者更具成本优势。
上下文窗口哪个更长？
参考核心规格对比表，上下文窗口更大的模型适合长文档处理。
参考文献
编辑点评
See Editor's Take section.