Meta
Llama 3.3 70B 评测成绩
来自 5 个来源、8 项基准的 9 条成绩。
其他名称: llama-3.3-70b-instruct · Llama-3.3-70B-Instruct · Llama 3.3 Instruct Turbo (70B) · Llama3.3 70b instruct · Llama-3.3-70B-Instruct (FC) · meta-llama/Llama-3.3-70B-Instruct
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1318 | 262 | Overall, style control on; 54504 votes; 95% CI 1315–1322“llama-3.3-70b-instruct” | 官方榜单 | 2026年10月8日 |
| Open LLM Leaderboard v2 | 44.9% | 40 | Average of 6 normalised benchmarks; bfloat16; 70.554B params“meta-llama/Llama-3.3-70B-Instruct” | 官方榜单 | 2025年3月13日 |
| GPQA Diamond | 47.4% | 217 | Epoch AI run, accuracy | 独立评测 | 2025年1月27日 |
| MMLU | 86.3% | 4 | Exact match; 5-shot | 论文 / 技术报告 via Epoch AI | 2024年12月6日 |
| MMLU | 79.1% | 23 | Exact match; 5-shot | 官方榜单 via Epoch AI | 2024年12月6日 |
| MMLU-Pro | 65.9% | 115 | Overall accuracy; data source: TIGER-Lab; 70B“Llama-3.3-70B-Instruct” | 官方榜单 | 2026年3月11日 |
| AIME (OTIS Mock AIME 2024–2025) | 5.1% | 233 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年2月25日 |
| MATH Level 5 | 41.6% | 69 | Epoch AI run, accuracy | 独立评测 | 2025年1月27日 |
| BFCL v4 (function calling) | 31.9% | 62 | Overall accuracy; native function calling (FC)“Llama-3.3-70B-Instruct (FC)” | 官方榜单 | 2026年10月17日 |
本站相关
常见问题
Llama 3.3 70B 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。