Meta
Llama 3.1-8B 评测成绩
来自 5 个来源、8 项基准的 8 条成绩。
其他名称: llama-3.1-8b-instruct · Llama-3.1-8B-Instruct · Llama 3.1 Instruct Turbo (8B) · Llama-3.1-8B-Instruct (Prompt) · Llama-3.1-8B · meta-llama/Llama-3.1-8B-Instruct · meta-llama/Llama-3.1-8B
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1211 | 341 | Overall, style control on; 49605 votes; 95% CI 1207–1215“llama-3.1-8b-instruct” | 官方榜单 | 2026年10月8日 |
| Open LLM Leaderboard v2 | 23.8% | 1905 | Average of 6 normalised benchmarks; float16; 8.03B params“meta-llama/Llama-3.1-8B-Instruct” | 官方榜单 | 2025年3月13日 |
| GPQA Diamond | 27.0% | 270 | Epoch AI run, accuracy | 独立评测 | 2026年8月27日 |
| MMLU | 56.1% | 76 | Exact match; 5-shot | 官方榜单 via Epoch AI | 2024年7月23日 |
| MMLU-Pro | 36.6% | 204 | Overall accuracy; data source: TIGER-Lab; 8B“Llama-3.1-8B” | 官方榜单 | 2026年3月11日 |
| AIME (OTIS Mock AIME 2024–2025) | 1.7% | 253 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2026年8月27日 |
| MATH Level 5 | 22.9% | 84 | Epoch AI run, accuracy | 独立评测 | 2025年1月27日 |
| BFCL v4 (function calling) | 25.8% | 85 | Overall accuracy; prompt-based“Llama-3.1-8B-Instruct (Prompt)” | 官方榜单 | 2026年10月17日 |
本站相关
常见问题
Llama 3.1-8B 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、Berkeley Function Calling Leaderboard (BFCL)、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)和Hugging Face Open LLM Leaderboard v2 (archived)。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。