This is a large language model that was released by Meta on 2024-09-25. This edition of LLaMA packs a lot of quality in a size small enough to run on most computers with 4GB+ of RAM. See also its sister model Llama-3.2-1B-Instruct-llamafile. Mozilla packaged the LLaMA 3.2 models into executable weights that we call llamafiles. This gives you the easiest fastest way to use the model on Linux, MacOS, Windows, FreeBSD, OpenBSD and NetBSD systems you control on both AMD64 and ARM64. To get started, you need both the LLaMA 3.2 weights, and the llamafile software. Both of them are included in a single file, which can be downloaded and run as follows:

译文排队中 · 当前显示来源原文

分类待补充

输入待核验→ 输出待核验

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

Llama-3.2-3B-Instruct-llamafile

mozilla-ai

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

分类待补充

输入待核验→ 输出待核验

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

llamafile_0.10

mozilla-ai

These llamafiles are pre-packaged with support for CPU, Metal GPUs on Mac and CUDA+Vulkan on linux and Windows. If you have a different GPU or OS, you can download the corresponding library in the Files and versions section and save it in your home directory for llamafile to automatically find it. For more information about our project, check out our github repo. To learn how to use llamafiles, check our documentation! *NOTE*: While the llamafile project is Apache 2.0-licensed, the licenses of models we bundle with it might differ. Use the table above for reference.

译文排队中 · 当前显示来源原文

分类待补充

输入待核验→ 输出待核验

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

llava-v1.5-7b-llamafile

mozilla-ai

**Model type:** LLaVA is an open-source chatbot trained by fine-tuning LLaMA/Vicuna on GPT-generated multimodal instruction-following data. It is an auto-regressive language model, based on the transformer architecture. Llama 2 is licensed under the LLAMA 2 Community License, Copyright (c) Meta Platforms, Inc. All Rights Reserved. **Where to send questions or comments about the model:** https://github.com/haotian-liu/LLaVA/issues

译文排队中 · 当前显示来源原文

分类待补充

输入待核验→ 输出待核验

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

llm-compiler-13b-ftd-llamafile

mozilla-ai

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

基础资料已收录 · 缺失资料后续补充

分类待补充

输入待核验→ 输出待核验

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

mathstral-7B-v0.1-llamafile

mozilla-ai

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

分类待补充

输入待核验→ 输出待核验

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

Meta-Llama-3.1-405B-Instruct-llamafile

mozilla-ai

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

基础资料已收录 · 缺失资料后续补充

分类待补充

输入待核验→ 输出待核验

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

COST EXPLORER

好模型，也要算好成本。

费用分析

调整月度 Token 用量，直观比较不同模型的预估 API 开支。

每月输入 Token 10 M每月输出 Token 2 M1 M = 100 万 Token · 美元计价
仅比较同一渠道的基础文本 Token 报价

使用已采集且单位可比的 USD / 百万 Token 渠道报价。报价为采集时快照；不计缓存优惠、阶梯价、推理额外输出与税费，请以来源的当前报价为准。

MODEL HANDBOOK

读懂模型，再做选择

选型与常见问题

API 价格应该怎么比较？+

先区分输入、输出和缓存价格，再使用同一任务和用量估算总费用。图像、音频和视频可能按张、时长或分辨率计费，不能直接与 Token 单价比较。

开放权重，就代表可以免费商用吗？+

不一定。必须逐一核对具体模型版本的许可证、商用限制及使用政策。自己部署还需要考虑显存、推理资源和运维费用。

排行榜第一，就是最适合我的模型吗？+

榜单取决于测试任务、版本与评测方法。建议用实际业务样本比较准确性、时延、稳定性和成本，再选择模型。

找到适合你的 AI 模型。

探索 AI 模型 85003

AraBART

barthez

barthez-orangesum-abstract

frugalscore_tiny_bert-base_bert-score

mbarthez

LTX-2.5

zero

moworld_base

Moxie-Cpu

Azzurro

Moxoff-Phi3Mini-DPO

Moxoff-Phi3Mini-KTO

Moxoff-Phi3Mini-ORPO

Moxoff-Phi3Mini-PPO

Volare

gemma-2-2b-it-llamafile

gemma-2-9b-it-llamafile

Llama-3.2-1B-Instruct-llamafile

Llama-3.2-3B-Instruct-llamafile

llamafile_0.10

llava-v1.5-7b-llamafile

llm-compiler-13b-ftd-llamafile

mathstral-7B-v0.1-llamafile

Meta-Llama-3.1-405B-Instruct-llamafile

暂未找到匹配模型

好模型，也要算好成本。

读懂模型，再做选择

资讯看趋势，工具提效率，模型筑可能。