# Llama 3.1-70B

> Fiche du modèle de langage Llama 3.1-70B sur Quelle IA, édition du 28 septembre 2026. Llama 3.1-70B (Meta AI) : score IA de 47,9, 198e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/llama-3-1-70b/
Origine : Meta AI · États-Unis · sorti le 23 juillet 2024

## Score général

- Score IA : 47,9 (marge à 90 % : de 43,1 à 52,8)
- Rang : 198 (Groupe 12, ex æquo)
- Couverture : 90 % du poids des tâches, 20 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 52,4 | Provisoire · 22 % |
| Code | 43,0 | Provisoire · 15 % |
| Agents | 53,7 | Provisoire · 11 % |
| Usage | 46,6 | Rang 219 · 100 % |
| Maths | 43,2 | Provisoire · 25 % |
| Sciences | 47,4 | Provisoire · 40 % |
| Français | 53,9 | Rang 115 · 75 % |
| Vision | non mesuré | Non mesuré |
| Écriture | 46,4 | Rang 219 · 100 % |
| Web | non mesuré | Non mesuré |

## Exécution locale

Tient à partir d'un Mac de 96 Go (71 Go utiles), en version allégée à 4 bits, par exemple un Mac Studio M5 Ultra de 96 Go. Mémoire estimée : 48,7 Go.

- Allégée, 4 bits : 48,7 Go
- Allégée, 8 bits : 85,2 Go
- Complète, 16 bits : 162,3 Go

- Plus petite machine : [Mac 96 Go](https://quelleia.com/local/#mac_96_go), version allégée à 4 bits
- Carte graphique : [Carte graphique 96 Go](https://quelleia.com/local/#carte_graphique_96_go), version allégée à 8 bits ; par exemple [RTX PRO 6000 Blackwell](https://quelleia.com/local/rtx-pro-6000-blackwell/)
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : [Mac 96 Go](https://quelleia.com/local/#mac_96_go), version allégée à 4 bits ; par exemple [Mac Studio M5 Ultra, 96 Go](https://quelleia.com/local/mac-studio-m5-ultra-96go/)
- Ryzen AI Max : [Ryzen AI Max 128 Go](https://quelleia.com/local/#ryzen_ai_max_128_go), version allégée à 8 bits ; par exemple [Ryzen AI Max+ 395, 128 Go](https://quelleia.com/local/ryzen-ai-max-plus-395-128go/)
- Nvidia DGX : [DGX Spark 128 Go](https://quelleia.com/local/#dgx_spark), version allégée à 8 bits ; par exemple [Nvidia DGX Spark](https://quelleia.com/local/dgx-spark/)
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,63 € / 0,63 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 128 000 jetons (environ 96 000 mots)
- Entrées : Texte
- Réflexion : Non communiqué
- Paramètres : 70,6 milliards
- Licence : Poids ouverts (poids ouverts, téléchargeables)
- Classe énergétique : Non communiquée
- Hébergement en Europe : Non communiqué
- Connaissances jusqu'à : Décembre 2023

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct)
- Sur votre machine : [Ollama](https://ollama.com/search?q=Meta-Llama-3.1-70B-Instruct)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/meta-llama/llama-3.1-70b-instruct)
- L'essayer : [Meta AI](https://www.meta.ai)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 94,7 % | 55,3 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 94,6 % | 54,2 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 76,7 % | 112,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| MMLU | Hors tâche | 80,1 % | 45,1 | archivé | https://epoch.ai/benchmarks |
| EuroEval, FQuAD (compréhension) | Français | 70,8 % | 74,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 70,6 % | 66,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 69,7 % | 78,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 67,6 % | 70,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 66,6 % | 103,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 59,9 % | 55,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 52,1 % | 40,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 40,3 % | 46,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| MATH Level 5 | Maths | 36,7 % | 44,7 | archivé | https://epoch.ai/benchmarks |
| Arena, texte | Usage | 1 293,3 Elo | 44,7 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 333,3 Elo | 45,1 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 257,0 Elo | 44,4 | actif | https://arena.ai/leaderboard |
| DTBench | Raisonnement | 60 % | 52,3 | saturé | https://conceptualreasoning.ai/dtbench |
| Arena, questions en français | Français | 1 300,2 Elo | 44,0 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 269,0 Elo | 42,5 | actif | https://arena.ai/leaderboard |
| EuroEval, OrangeSum (résumé) | Français | 30,6 % | -111,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions d'experts | Sciences | 1 275,2 Elo | 42,5 | actif | https://arena.ai/leaderboard |
| BALROG | Agents | 27,9 % | 59,5 | actif | https://balrogai.com/ |
| GPQA Diamond | Sciences | 44,2 % | 48,3 | actif | https://epoch.ai/benchmarks |
| LMCA | Raisonnement | 14,85 | 56,3 | actif | https://conceptualreasoning.ai/lmca |
| EuroEval, MultiLoKo (connaissances locales) | Français | 17,3 % | 51,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| WeirdML (v2) | Code | 9 % | 35,4 | actif | https://htihle.github.io/weirdml.html |
| TheAgentCompany | Agents | 6,9 % | 50,9 | archivé | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 3,6 % | 39,7 | saturé | https://epoch.ai/benchmarks |
| TheAgentCompany | Agents | 1,7 % | 36,7 | archivé | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Llama 3.1-70B ?** Llama 3.1-70B obtient un score IA de 47,9, avec une marge de 43,1 à 52,8, dans l'édition du 28 septembre 2026. Il est classé 198e sur 246 modèles, à partir de 20 mesures.

**Dans quelles tâches Llama 3.1-70B est-il le plus fort ?** Ses deux meilleures tâches sont français (53,9) et agents (53,7). Sa tâche la plus faible est code (43,0).

**Llama 3.1-70B peut-il tourner en local ?** Tient à partir d'un Mac de 96 Go (71 Go utiles), en version allégée à 4 bits, par exemple un Mac Studio M5 Ultra de 96 Go. Mémoire estimée : 48,7 Go.

**Combien coûte Llama 3.1-70B ?** 0,63 € par million de jetons en entrée et 0,63 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Llama 3.1-70B ?** Llama 3.1-70B est édité par Meta AI (États-Unis), et il est sorti le 23 juillet 2024. Ses poids sont ouverts.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com