# Llama 3.3 70B

> Fiche du modèle de langage Llama 3.3 70B sur Quelle IA, édition du 28 septembre 2026. Llama 3.3 70B (Meta AI) : score IA de 50,5, 182e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/llama-3-3-70b/
Origine : Meta AI · États-Unis · sorti le 6 décembre 2024

## Score général

- Score IA : 50,5 (marge à 90 % : de 46,4 à 54,6)
- Rang : 182 (Groupe 12, ex æquo)
- Couverture : 90 % du poids des tâches, 25 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 | 51,8 | Rang 96 · 44 % |
| Code | 48,2 | Provisoire · 23 % |
| Agents | 51,6 | Provisoire · 11 % |
| Usage | 50,5 | Rang 204 · 100 % |
| Maths | 45,6 | Provisoire · 25 % |
| Sciences | 50,3 | Rang 91 · 60 % |
| Français | 57,3 | Rang 102 · 100 % |
| Vision | non mesuré | Non mesuré |
| Écriture | 50,5 | Rang 205 · 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 : 48,3 Go.

- Allégée, 4 bits : 48,3 Go
- Allégée, 8 bits : 84,5 Go
- Complète, 16 bits : 161,0 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 : 0,09 € / 0,28 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 131 072 jetons (environ 98 000 mots)
- Entrées : Texte
- Réflexion : Non communiqué
- Paramètres : 70 milliards
- Licence : Llama 3.3 (poids ouverts, téléchargeables)
- Classe énergétique : C (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Décembre 2023

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/meta-llama/Llama-3.3-70B-Instruct)
- Sur votre machine : [Ollama](https://ollama.com/search?q=Llama-3.3-70B-Instruct)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/meta-llama/llama-3.3-70b-instruct)
- L'essayer : [Meta AI](https://www.meta.ai)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 94,7 % | 55,2 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| MMLU | Hors tâche | 86,3 % | 60,6 | archivé | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 75,7 % | 75,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| MMLU | Hors tâche | 79,1 % | 43,0 | archivé | https://epoch.ai/benchmarks |
| EuroEval, ELTeC (noms propres) | Français | 68,2 % | 72,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 67,4 % | 67,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 65,1 % | 43,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| LiveBench, raisonnement | Raisonnement | 50,8 % | 52,1 | archivé | https://epoch.ai/benchmarks |
| LiveBench | Hors tâche | 50,2 % | 51,2 | archivé | https://epoch.ai/benchmarks |
| compar:IA | Français | 984,0 Elo | 55,6 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| LiveBench, mathématiques | Maths | 42,2 % | 47,7 | archivé | https://epoch.ai/benchmarks |
| MATH Level 5 | Maths | 41,6 % | 46,4 | archivé | https://epoch.ai/benchmarks |
| EuroEval, ScaLA (grammaire) | Français | 40,6 % | 46,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, OrangeSum (résumé) | Français | 38,4 % | 84,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, texte | Usage | 1 317,8 Elo | 50,4 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 285,3 Elo | 50,7 | actif | https://arena.ai/leaderboard |
| LiveBench, code | Code | 36,6 % | 46,1 | archivé | https://epoch.ai/benchmarks |
| Arena, questions en français | Français | 1 325,9 Elo | 49,5 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 345,7 Elo | 47,8 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 295,8 Elo | 48,0 | actif | https://arena.ai/leaderboard |
| Fiction.LiveBench | Données | 33,3 % | 50,8 | archivé | https://epoch.ai/benchmarks |
| Arena, questions d'experts | Sciences | 1 297,5 Elo | 46,7 | actif | https://arena.ai/leaderboard |
| DTBench | Raisonnement | 59,5 % | 51,7 | saturé | https://conceptualreasoning.ai/dtbench |
| EuroEval, MultiLoKo (connaissances locales) | Français | 30,5 % | 65,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 47,4 % | 50,8 | actif | https://epoch.ai/benchmarks |
| SciCode | Code | 26 % | 52,5 | actif | https://artificialanalysis.ai/evaluations/scicode |
| BALROG | Agents | 23 % | 52,6 | actif | https://balrogai.com/ |
| LMCA | Raisonnement | 17,52 | 59,7 | actif | https://conceptualreasoning.ai/lmca |
| ForecastBench | Raisonnement | 58,6 % | 60,7 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 14,4 % | 44,5 | actif | https://htihle.github.io/weirdml.html |
| OTIS Mock AIME 2024-2025 | Maths | 5,1 % | 42,3 | saturé | https://epoch.ai/benchmarks |
| SimpleBench | Raisonnement | 19,9 % | 37,2 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 0 % | 61,2 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Llama 3.3 70B ?** Llama 3.3 70B obtient un score IA de 50,5, avec une marge de 46,4 à 54,6, dans l'édition du 28 septembre 2026. Il est classé 182e sur 246 modèles, à partir de 25 mesures.

**Dans quelles tâches Llama 3.3 70B est-il le plus fort ?** Ses deux meilleures tâches sont français (57,3) et raisonnement (51,8). Sa tâche la plus faible est maths (45,6).

**Llama 3.3 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 : 48,3 Go.

**Combien coûte Llama 3.3 70B ?** 0,09 € par million de jetons en entrée et 0,28 € 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 3.3 70B ?** Llama 3.3 70B est édité par Meta AI (États-Unis), et il est sorti le 6 décembre 2024. Ses poids sont ouverts, sous licence Llama 3.3.

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