自动生成页面。 本页由 AI 自动撰写和翻译,并由软件对照来源进行核查,无人工编辑。SI-IQ 是基于公开基准测试结果构建的指数,不是智商测试。工作原理

Llama 3.3 70B 有多聪明？

66 SI-IQ · 90% 区间 61–71
在 80 个已排名模型中位列第 80 · 可能的名次区间 77–80

Llama 3.3 70B 是 Meta AI 于 2024年12月6日发布的模型。其 SI-IQ 为 66（90% 区间 61–71），由 3 家独立评测方的 5 项基准测试结果估算得出。其最强的领域是智能体，最弱的是数学。

基本信息

每个分数都是来源发布的原始单一数值：Epoch AI 取其各运行设置中的最佳结果，OpenRouter 取托管服务商的中位数（若开发方自行托管并运行了测试，则取其自有托管的结果）。“隐含 SI-IQ”是该单项结果所对应的能力水平；总体 SI-IQ 是这些值按精度加权后的平均值。

基准测试	领域	得分	隐含 SI-IQ	评测方	来源中的列示名称	获取时间	来源
MATH Level 5	数学	41.6%	65	Epoch AI	`Llama-3.3-70B-Instruct`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
OTIS Mock AIME 2024–2025	数学	5.1%	63	Epoch AI	`Llama-3.3-70B-Instruct`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
GPQA Diamond	知识	47.4%	70	Epoch AI	`Llama-3.3-70B-Instruct`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
GPQA Diamond (OpenRouter run)	知识	47.5%	70	OpenRouter	`meta-llama/llama-3.3-70b-instruct` Parasail · median over providers (12 of 12 rows), lower median	2026年10月18日	OpenRouter benchmark datasets · 数据文件
Berkeley Function Calling Leaderboard	智能体	31.9%	73	UC Berkeley (Gorilla)	`Llama-3.3-70B-Instruct (FC)`	2026年10月18日	Berkeley Function Calling Leaderboard · 数据文件
τ²-bench Airline (OpenRouter run)	智能体	31.3%	61	OpenRouter	`meta-llama/llama-3.3-70b-instruct` PrimeIntellect · median over providers (6 of 6 rows), lower median	2026年10月18日	OpenRouter benchmark datasets · 数据文件

在 Arena 排行榜上，用户会在两个匿名回答之间投票。Llama 3.3 70B 的评分为 1,318（1,315–1,322），共 54,497 票（发布于 2026年10月15日）。人类偏好与基准测试所衡量的能力是不同的指标，不计入 SI-IQ。 Arena (Hugging Face)

采用 SI-IQ 方法版本 1.0.0 计算。阅读完整方法论