Llama 3.1 8B — Spécifications
Rédigé par Mustafa Ihsan d’après la documentation officielle du fournisseur · Dernière mise à jour
| Développeur | Meta |
|---|---|
| Type | LLM (dense) |
| Modalité | Texte → Texte |
| Paramètres | 8B |
| Fenêtre de contexte | 128 K |
| Licence | Llama 3.1 Community (ouverte) |
| Poids ouverts | Oui |
| Publié | 2024 |
| Prix de l’entrée | $0.02 /1M |
| Prix de la sortie | $0.03 /1M |
| Fournisseurs d'API | Together, DeepInfra, OpenRouter, Ollama |
Exécutez-le localement
| VRAM (4 bits) | ~5 Go |
|---|---|
| GPU minimal | Toute carte graphique de 8 Go |
What is Llama 3.1 8B?
Llama 3.1 8B is the workhorse small Llama — 8B parameters, a 128K context, and about 5 GB
of VRAM at 4-bit, which runs on essentially any modern 8 GB GPU. It is one of the most widely
deployed open models in production and remains an excellent cheap baseline.
Its enduring value is less about capability than about ubiquity. Because it has been in
production for so long across so many stacks, it is the model with the deepest tooling
support, the most fine-tunes, the most quantised variants and the most known-good deployment
recipes — Ollama, vLLM, llama.cpp, Together, DeepInfra and OpenRouter all serve it without
surprises. That makes it the right choice for the first version of almost any local
deployment: get the pipeline working against a model that definitely runs, measure real
quality on your own data, then decide whether you need something larger. At $0.02 in / $0.03
out per million tokens the hosted price is close to a rounding error, so it also works well
as the cheap tier of a routing setup that escalates only when needed.
Llama 3.1 8B pricing: API cost per 1M tokens
| Entrée (par million de jetons) | $0.0200 |
|---|---|
| Sortie (par million de jetons) | $0.0300 |
| Ratio sortie/entrée | 1.5× |
| Moyenne pondérée (4:1 entrée:sortie) | $0.0220 par 1 million de jetons |
What Llama 3.1 8B costs per month
Dépense mensuelle réelle pour un ratio entrée-sortie de 4:1 — le rapport effectivement observé dans une charge de travail type (chat ou RAG).
| Charge de travail | Jetons/mois | Coût par mois |
|---|---|---|
| Projet secondaire | 1 million en entrée / 0,25 million en sortie | $0.03 |
| Petite équipe | 20 millions en entrée / 5 millions en sortie | $0.55 |
| Production | 200 millions en entrée / 50 millions en sortie | $5.50 |
Calculez vos propres coûts dans le Calculateur de coûts pour les API IA.
Hébergement local ou paiement via API ?
Llama 3.1 8B is open-weight, so you can run it yourself. It needs ~5 Go of VRAM at 4-bit (Any 8GB GPU). Self-hosting only beats the API once your volume is high enough to keep that hardware busy — the calculateur auto-hébergement vs API calcule le seuil de rentabilité pour votre volume de jetons.
Questions fréquemment posées
How much does Llama 3.1 8B cost per 1M tokens?
Llama 3.1 8B costs $0.0200 per 1M input tokens and $0.0300 per 1M output tokens. At a typical 4:1 input-to-output mix that blends to about $0.0220 per 1M tokens.
How much does Llama 3.1 8B cost per month?
A small-team workload of 20M input and 5M output tokens a month costs about $0.55 on Llama 3.1 8B. A side project (1M in / 0.25M out) costs roughly $0.03.
Can I run Llama 3.1 8B locally?
Yes. Llama 3.1 8B is open-weight and needs about ~5 GB of VRAM at 4-bit quantisation (Any 8GB GPU).
Why does Llama 3.1 8B 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 3.1 8B charges 1.5× more for output, which is why prompt-heavy workloads are far cheaper to run than generation-heavy ones.
Les prix indiqués correspondent aux tarifs publics officiels pour l’API principale du modèle et sont mis à jour régulièrement à mesure que les fournisseurs les modifient. Les remises liées aux volumes, aux traitements par lots ou aux entrées mises en cache ne sont pas prises en compte. Comparez tous les modèles côte à côte dans le Base de données des modèles IA ou le Classement des grands modèles linguistiques (LLM).