LLM Pricing
← モデル一覧

Meta-Llama-3.1-8B-Instruct-Turbo

deepinfra · Chat model

Meta-Llama-3.1-8B-Instruct-Turbo は deepinfra の チャット モデルとして掲載されています。料金、上限、機能、ソースを比較しやすい形で確認できます。

正確性のため、プロバイダー名とモデル ID は原文のまま表示しています。

deepinfra-deepinfra-meta-llama-meta-llama-3-1-8b-instruct-turbo

入力
$0.0200 / 1M tokens
出力
$0.0300 / 1M tokens
キャッシュ入力
N/A
コンテキスト長
131.1K

カタログ生成日: 2026/07/13

このモデルを比較 このモデルと近い候補を、現在のカタログで横並び比較します。 コストを見積もる トークン数、リクエスト量、キャッシュ前提を入れて、月額の目安を確認します。

要点

向いている確認

自分のワークロードで試す前に、料金、コンテキスト長、対応機能を短時間で確認したいときに使います。

公式側で確認すること

割引、キャッシュ料金、リージョン条件、公開メタデータに出ていないモデル上限は、必ずプロバイダーの公式ページで確認してください。

料金

項目 料金
入力
$0.0200 / 1M tokens
出力
$0.0300 / 1M tokens
埋め込み
$0.0200 / 1M tokens

上限

コンテキスト長
131.1K
最大入力トークン
131.1K
最大出力トークン
131.1K
最大トークン
131.1K
同じ系列のベンチマークを見る 紐づくベースモデル系列の、ソースを確認できるベンチマーク行を確認します。 データソースを確認 料金データの生成方法と、プロバイダー確認が必要な項目を確認します。 API とサブスク ChatGPT、Claude Code、Cursor、Copilot などのサブスクと比べて、API 料金を見るべき場面を確認します。 キャッシュとバッチ料金 このページのキャッシュ入力・キャッシュ書き込み・バッチ・優先・フレックス料金の意味を確認します。

機能

機能 対応
Vision -
Function calling 対応
Parallel function calling -
Tool choice 対応
Prompt caching -
Reasoning -
Response schema -
System messages -
Audio input -
Audio output -
Web search -
PDF input -
Video input -

ベンチマーク

多くのベンチマーク行は、このプロバイダールートそのものではなく、ベースモデル系列に紐づいています。 ベンチマーク一覧を開く

ベンチマーク スコア 指標 対象範囲 確認日 ソース
MMLU (CoT) 88.6 macro_avg/acc ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
MMLU-Pro (CoT) 73.3 macro_avg/acc ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
GPQA Diamond 49.0 acc ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
HumanEval 89.0 pass@1 ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
MATH (CoT) 73.8 sympy_intersection_score ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
MMLU 85.2 macro_avg/acc_char ベースモデル: Llama 3.1 (Llama 3.1 405B) 2026-05-31 リンク
MMLU-Pro (CoT) 61.6 macro_avg/acc_char ベースモデル: Llama 3.1 (Llama 3.1 405B) 2026-05-31 リンク
AGIEval English 71.6 average/acc_char ベースモデル: Llama 3.1 (Llama 3.1 405B) 2026-05-31 リンク
MMLU 87.3 macro_avg/acc ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
MMLU (CoT) 88.6 macro_avg/acc ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
MMLU-Pro (CoT) 73.3 micro_avg/acc_char ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
IFEval 88.6 ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
ARC-Challenge 96.9 acc ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
GPQA 50.7 em ベースモデル: Llama 3.1 (Llama 3.1 405B Instruct) 2026-05-31 リンク
MMLU 69.4% macro_avg/acc ベースモデル: Llama 3.1 (Llama-3.1-8B-Instruct) 2026-05-31 リンク
MMLU 83.6% macro_avg/acc ベースモデル: Llama 3.1 (Llama-3.1-70B-Instruct) 2026-05-31 リンク
HumanEval 72.6% pass@1 ベースモデル: Llama 3.1 (Llama-3.1-8B-Instruct) 2026-05-31 リンク
HumanEval 80.5% pass@1 ベースモデル: Llama 3.1 (Llama-3.1-70B-Instruct) 2026-05-31 リンク
GSM8K (CoT) 84.5% em_maj1@1 ベースモデル: Llama 3.1 (Llama-3.1-8B-Instruct) 2026-05-31 リンク
GSM8K (CoT) 95.1% em_maj1@1 ベースモデル: Llama 3.1 (Llama-3.1-70B-Instruct) 2026-05-31 リンク
BFCL 76.1% acc ベースモデル: Llama 3.1 (Llama-3.1-8B-Instruct) 2026-05-31 リンク
BFCL 84.8% acc ベースモデル: Llama 3.1 (Llama-3.1-70B-Instruct) 2026-05-31 リンク
Artificial Analysis Intelligence Index 12.2 score ベースモデル: llama-3.1 (meta-llama/llama-3.1-70b-instruct) 2026-05-31 リンク
Artificial Analysis Coding Index 10.9 score ベースモデル: llama-3.1 (meta-llama/llama-3.1-70b-instruct) 2026-05-31 リンク
Artificial Analysis Agentic Index 5.1 score ベースモデル: llama-3.1 (meta-llama/llama-3.1-70b-instruct) 2026-05-31 リンク

ソース

料金とメタデータの出典は英語版と同じデータベースを使っています。公式の提供元の事実情報は翻訳や推測で補完していません。

LiteLLM repositoryLiteLLM model cost map英語の詳細ページ

カタログ生成日: 2026-07-13T14:21:55.110Z