Llama 3.3 70B — المواصفات
| المطوّر | ميتا |
|---|---|
| النوع | نموذج لغوي كبير (كثيف) |
| النمط | نص → نص |
| عدد المعايير (البارامترات) | 70 مليار معلَّمة |
| نافذة السياق | 128 ألف رمز |
| الحد الأقصى للإخراج | — |
| الترخيص | Llama 3.3 Community (مفتوح المصدر) |
| أوزان مفتوحة المصدر | نعم |
| أُطلِقَ | 2024 |
| سعر الإدخال | 0.10 دولار أمريكي لكل مليون رمز |
| سعر الإخراج | 0.32 دولار أمريكي لكل مليون رمز |
| مقدمو واجهات برمجة التطبيقات (API) | Together، DeepInfra، OpenRouter، Ollama |
تشغيله محليًّا
| ذاكرة الفيديو (VRAM) بتنسيق 4 بت | ~40 جيجابايت |
|---|---|
| أقل وحدة معالجة رسومات مطلوبة | باستخدام بطاقتي رسوميات RTX 4090 / أو بطاقة واحدة سعة 48 جيجابايت |
What is Llama 3.3 70B?
Llama 3.3 70B is Meta’s efficient dense 70B — close to 405B-class quality at a fraction of
the size, with a 128K context. It needs about 40 GB of VRAM at 4-bit, so two RTX 4090s or a
single 48 GB card, and it is among the most-deployed open models for self-hosting.
Dense is the operative word. Nearly every large open model released since is a
mixture-of-experts, which lowers inference compute but keeps the full parameter count
resident in memory — DeepSeek V4-Pro activates 49B parameters but still needs roughly 800 GB
of VRAM to hold. A dense 70B has no such gap: what you load is what you use, so 40 GB is the
whole story. For teams sizing hardware, that predictability is worth a lot, and it is why
3.3 70B remains the default for on-premises deployments even as newer architectures post
better benchmark numbers. At $0.10 in / $0.32 out per million tokens the API is cheap enough
that self-hosting only makes sense for data-residency reasons or at sustained high
volume.
Llama 3.3 70B pricing: API cost per 1M tokens
| المدخلات (لكل مليون رمز) | $0.100 |
|---|---|
| المخرجات (لكل مليون رمز) | $0.320 |
| Output/input ratio | 3.2× |
| Blended (4:1 in:out) | $0.144 per 1M tokens |
What Llama 3.3 70B costs per month
Real monthly spend at a 4:1 input-to-output mix — the ratio a typical chat or RAG workload actually produces.
| الحمل الوظيفي | الرموز شهريًّا | Cost / month |
|---|---|---|
| مشروع جانبي | 1 مليون رمز مدخلات / 0.25 مليون رمز مخرجات | $0.18 |
| فريق صغير | 20 مليون رمز مدخلات / 5 ملايين رمز مخرجات | $3.60 |
| الإنتاج | 200 مليون رمز مدخلات / 50 مليون رمز مخرجات | $36 |
Run your own numbers in the حاسبة تكلفة واجهات برمجة تطبيقات الذكاء الاصطناعي (API).
Cheaper alternatives to Llama 3.3 70B
| النموذج | المتوسط المُدمج بالدولار لكل مليون دولار | You save |
|---|---|---|
| ميسترال 7 مليار معلَّمة تم تصميمه بالتعاون الوثيق مع نظام iOS وإطار عمل Core ML. ولا تسعى آبل إلى تحقيق أعلى رقم ممكن في وحدات العمليات التريليونية في الثانية (TOPS)، بل تسعى إلى تحقيق | $0.0220 | 85% cheaper |
| لاما 3.1 بحجم 8 مليار معلَّمة تم تصميمه بالتعاون الوثيق مع نظام iOS وإطار عمل Core ML. ولا تسعى آبل إلى تحقيق أعلى رقم ممكن في وحدات العمليات التريليونية في الثانية (TOPS)، بل تسعى إلى تحقيق | $0.0220 | 85% cheaper |
| Mistral NeMo 12B تم تصميمه بالتعاون الوثيق مع نظام iOS وإطار عمل Core ML. ولا تسعى آبل إلى تحقيق أعلى رقم ممكن في وحدات العمليات التريليونية في الثانية (TOPS)، بل تسعى إلى تحقيق | $0.0240 | 83% cheaper |
Self-host or pay the API?
Llama 3.3 70B is open-weight, so you can run it yourself. It needs ~40 جيجابايت of VRAM at 4-bit (2× RTX 4090 / 1× 48GB). Self-hosting only beats the API once your volume is high enough to keep that hardware busy — the حاسبة مقارنة بين الاستضافة الذاتية وواجهات برمجة التطبيقات (API) works out the break-even point for your token volume.
الأسئلة الشائعة
How much does Llama 3.3 70B cost per 1M tokens?
Llama 3.3 70B costs $0.100 per 1M input tokens and $0.320 per 1M output tokens. At a typical 4:1 input-to-output mix that blends to about $0.144 per 1M tokens.
How much does Llama 3.3 70B cost per month?
A small-team workload of 20M input and 5M output tokens a month costs about $3.60 on Llama 3.3 70B. A side project (1M in / 0.25M out) costs roughly $0.18.
What is a cheaper alternative to Llama 3.3 70B?
Mistral 7B is the strongest cheaper option in our database at $0.0220 per 1M blended — about 85% less than Llama 3.3 70B. It is also open-weight, so self-hosting is an option.
Can I run Llama 3.3 70B locally?
Yes. Llama 3.3 70B is open-weight and needs about ~40 GB of VRAM at 4-bit quantisation (2× RTX 4090 / 1× 48GB).
Why does Llama 3.3 70B charge more for output than input?
Output tokens are generated one at a time and cannot be batched the way a prompt can, so they cost the provider more to serve. Llama 3.3 70B charges 3.2× more for output, which is why prompt-heavy workloads are far cheaper to run than generation-heavy ones.
Prices are the published list rates for the model's primary API and are reviewed as providers change them. Volume, batch and cached-input discounts are not included. Compare every model side by side in the قاعدة بيانات نماذج الذكاء الاصطناعي أو لوحة تصنيف النماذج اللغوية الكبيرة (LLM).
