Terug naar overzicht
🇺🇸 Meta · Verenigde Staten Geen ZDR
Llama 3.2 1B Instruct
Niveau: Lichtgewicht
Supersnel en zeer goedkoop. Ideaal voor eenvoudige taken op grote schaal, zoals chat en korte teksten.
Llama 3.2 1B is a 1-billion-parameter language model focused on efficiently performing natural language tasks, such as summarization, dialogue, and multilingual text analysis. Its smaller size allows it to operate...
KostenZeer laag
SnelheidVlotinschatting
Werkgeheugen60K tokenshoeveel tekst het tegelijk aankan
SlimheidBeperkt2/100
Relatief duur
2
waarde / 100
Loont de prijs?
Je betaalt veel voor weinig extra kwaliteit — er zijn voordeligere alternatieven.
Goed voor
- Algemeen, alledaags gebruik
Minder geschikt voor
- Er zijn geen duidelijke beperkingen voor standaardgebruik
Aanbieder buiten de EU (Verenigde Staten & Canada). Let bij gevoelige gegevens op je verwerkersafspraken.
Geen Zero Data Retention. Voor dit model is via OpenRouter geen ZDR-aanbieder beschikbaar. Voor veel organisaties is dat een reden om het niet voor gevoelige gegevens te gebruiken.
Slimheid
2/100 · beperkt
Schrijven
7/100 · beperkt
Programmeren
geen benchmarkdata
Agent-taken
geen benchmarkdata
Geavanceerd — voor professionals
Onderstaande gegevens zijn bedoeld voor wie de techniek wil doorgronden: ruwe benchmarkscores, gemeten snelheid/latency, prijsopbouw en databronnen. Niet nodig om een goede keuze te maken.
Benchmarks
Klik op een benchmark voor uitleg en alle uitslagen per model; het ?-knopje geeft een korte uitleg.
| Intelligence Index | 1 |
| Samengestelde slimheidsscore van Artificial Analysis: het gemiddelde over vele tests voor redeneren, kennis, wiskunde en code. Hoger = slimmer. Alle uitslagen & uitleg → | |
| Coding Index | geen data |
| Gemiddelde van programmeertests: hoe goed het model code schrijft, begrijpt en verbetert. Alle uitslagen & uitleg → | |
| Math Index | 0 |
| Gemiddelde van wiskundetests: rekenen, algebra en wiskundig redeneren. Alle uitslagen & uitleg → | |
| Agentic Index | geen data |
| Hoe goed het model zelfstandig meerstaps-taken uitvoert met tools (bestanden openen, zoeken, acties uitvoeren). Alle uitslagen & uitleg → | |
| MMLU-Pro | 20% |
| Grote kennistest met ruim 12.000 pittige meerkeuzevragen over 14 vakgebieden (recht, economie, natuurkunde…). Meet brede kennis en redeneren. Alle uitslagen & uitleg → | |
| GPQA Diamond | 19.6% |
| Zeer moeilijke wetenschapsvragen op PhD-niveau (biologie, natuur- en scheikunde). Zelfs menselijke experts halen hier maar ~65%. Alle uitslagen & uitleg → | |
| Humanity's Last Exam | 5.5% |
| De zwaarste kennistest die er is: duizenden extreem moeilijke vragen over honderden onderwerpen. Lage percentages zijn hier normaal. Alle uitslagen & uitleg → | |
| LiveCodeBench | 1.9% |
| Verse programmeeropgaven die pas ná de training van het model zijn verschenen — meet écht kunnen programmeren in plaats van onthouden. Alle uitslagen & uitleg → | |
| SciCode | 1.7% |
| Programmeeropgaven uit echte wetenschappelijke onderzoekspapers — combineert code en vakkennis. Alle uitslagen & uitleg → | |
| AIME (wiskunde) | 0% |
| Vragen van de Amerikaanse wiskunde-olympiade voor scholieren. Meet geavanceerd wiskundig redeneren. Alle uitslagen & uitleg → | |
| IFBench (instructievolgen) | 22.8% |
| Meet hoe precies het model instructies opvolgt, zoals eisen aan lengte, opmaak of vorm van het antwoord. Alle uitslagen & uitleg → | |
| τ²-bench (agent-taken) | 0% |
| Realistische klantenservice-scenario's (vluchten omboeken, abonnementen wijzigen) waarin het model zelfstandig regels moet volgen en tools gebruiken. Alle uitslagen & uitleg → | |
| Terminal-Bench (agent-taken) | 0% |
| Opdrachten die het model zelfstandig in een computerterminal moet uitvoeren — een zware test voor agent-vaardigheden. Alle uitslagen & uitleg → | |
Prestaties (gemeten)
| Output-snelheid | geen data |
| Time-to-first-token (latency) | geen data |
| Snelheidsbron | inschatting o.b.v. modelklasse |
Design Arena (ELO)
Geen Design Arena-data voor dit model.
Technische specificaties
| Model-ID | meta-llama/llama-3.2-1b-instruct |
| Contextvenster | 60.000 tokens |
| Kennis bijgewerkt tot | 2023-12-31 |
| Uitgebracht | 25 sep 2024 |
| Invoer | tekst |
| Redeneren (reasoning) | nee |
| Populariteitsscore | 43/100 |
| Databronnen | openrouter, artificial_analysis, lmarena |