Meta Llama 3.1 70B Instruct Turbo
3948°
meta-llama | contexte de 131 072 tokens | 0,40 $/M en entrée, 0,40 $/M en sortie. Meta a développé et publié la famille Meta Llama 3.1 de grands modèles de langage (LLM), une collection de modèles génératifs textuels pré-entraînés et ajustés à l'instruction en tailles 8B, 70B et 405B.
Guides pour ce modèle
Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe
Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire
Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)
Notes du capitaine
Notes du 2026-10-13
Meta Llama 3.1 70B Instruct Turbo est un modèle de 70 milliards de paramètres affiné pour les instructions, développé par Meta et accessible via API à un tarif fixe de 0,40 $ par million de tokens en entrée et sortie. Il se situe au milieu de la famille Llama 3.1 — plus performant que le 8B, moins cher que le 405B — avec une fenêtre de contexte de 131 072 tokens. Il convient aux développeurs et équipes qui veulent une performance polyvalente solide sans payer les prix des modèles de pointe.
Connu pour
- Suivi d'instructions compétitif à un prix moyen
- Fenêtre de contexte de 131K tokens gérant documents longs et conversations étendues
- Fait partie d'une famille de trois tailles : montez ou descendez sans changer votre stack
- Service Turbo offrant un débit plus rapide que le point de terminaison 70B standard
Attention à
- Les poids ne sont pas disponibles publiquement ici ; vous ne pouvez pas exécuter cette version localement.
- À 70B, il sera moins performant que le 405B sur les tâches de raisonnement difficiles et de codage complexe.
- Meta n'a pas publié les conditions de licence pour cette variante servie spécifique.
Prompts à essayer
Résumer un long document
Voici un long rapport. Lisez-le attentivement, puis donnez-moi un résumé structuré : trois phrases sur l'argument principal, une liste à puces des cinq résultats les plus importants, et une phrase sur ce qui manque ou reste non résolu. [Collez votre document sous cette ligne.]
Rédiger une explication claire
Expliquez comment fonctionnent les mécanismes d'attention des transformers à quelqu'un qui comprend la multiplication matricielle de base mais n'a jamais étudié le machine learning. Utilisez une analogie concrète, restez sous 300 mots, et terminez par une phrase expliquant pourquoi c'est important.
Réécrire pour un autre public
Prenez le changelog technique suivant et réécrivez-le en un email en français simple destiné à des parties prenantes non techniques. Conservez chaque changement significatif, éliminez le jargon, et signalez tout ce qui nécessite une action de la part du lecteur. [Collez le changelog ci-dessous.]
Comparer avec
- Llama 3.1 70B InstructModèle à poids ouvertsContexte de 131,072 tokens · entrée $0.40/M, sortie $0.40/M
- GPT-4o (2024-11-20)Modèle uniquement APIContexte de 128,000 tokens · entrée $2.50/M, sortie $10.00/M
- GPT-5 Image MiniModèle uniquement APIContexte de 400,000 tokens · entrée $2.50/M, sortie $2.00/M
- GPT-3.5 Turbo 16kModèle uniquement APIContexte de 16,385 tokens · entrée $3.00/M, sortie $4.00/M
Plus de modèles de texte de meta-llama
Questions fréquentes
- Puis-je exécuter Meta Llama 3.1 70B Instruct Turbo localement ?
- Pas cette variante — les poids ouverts ne sont pas liés à cette version, donc vous y accédez uniquement via API.
- Quel est le coût et quelle est la taille du contexte ?
- Le tarif est de 0,40 $ par million de tokens pour l'entrée et la sortie, avec une fenêtre de contexte de 131 072 tokens.
- Comment le 70B se compare-t-il au 8B et au 405B de la même famille ?
- Le 70B se situe entre le léger 8B et le très puissant 405B ; il offre une capacité nettement supérieure au 8B à une fraction du coût du 405B, ce qui en fait le choix pratique intermédiaire pour la plupart des charges de production.
Verdict du capitaineUn cheval de bataille milieu de gamme raisonnable : assez de contexte et de capacité pour la plupart des tâches de production, à un prix qui ne nécessite pas de réunion budgétaire.
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Comment ce score se calcule
Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
Meta Llama 3.1 70B Instruct Turbo est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.
Plus de modèles Text / LLMPlus de Texte / LLM Text / LLMllmmeta-llamachatécriturerésumécontexte long
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153