Llama-3.3-70B-Instruct (Arkanecloud)

该模型属于 Llama 家族，采用开源权重发布，指令微调版本侧重对话与任务跟随。128K tokens 的上下文窗口可容纳长文档、多轮对话历史或成规模的代码片段；单次最多输出 4096 tokens，适合分步生成结构化结果，但不适合一次生成超长报告。能力层面提供推理、工具调用与温度调节，便于搭建需要外部函数或检索配合的问答与自动化流程。知识截止为 2023-12，之后的事实需依赖外部检索补充。Eden AI 作为提供方，把该模型以 Arkanecloud 名称上架，官方定价为输入与输出均 0.7 美元/百万 tokens，缓存读 0.2 美元/百万 tokens，输入输出同价让长输出任务的成本估算相对简单。

选型建议需要开源权重、长上下文与工具调用，且能接受 2023-12 知识截止时选它；追求多模态输入或单次超长输出则应另选模型。

• 解析长篇合同或技术文档，抽取要点并生成结构化摘要
• 为内部知识库搭建带工具调用的检索问答流程
• 批量改写与润色产品文案，用温度参数稳定输出风格
• 阅读代码仓库片段，输出变更说明与注释建议
• 在自托管环境中部署开源权重模型，做数据不出域的推理

沿用 Llama 系列的 decoder-only 稠密 Transformer 路线，指令微调后偏向对话与任务执行；更细的层数、注意力变体等结构细节，公开资料较少。

• 结构70B 级稠密 Transformer 加指令微调，面向多轮对话与指令跟随优化；具体参数规模与注意力实现公开资料较少，这里不作断言。
• 能力原生支持推理、工具调用与温度调节，128K 上下文可整段放入长文档；单次输出上限 4096 tokens，长答案需按轮次续写拼接。
• 披露开源权重可自托管核查与二次微调，实际延迟与吞吐取决于部署方；本站未收录该模型的公开跑分。

开源权重

是

模型家族

llama

强项在通用文本推理与指令跟随，短板集中在输出长度上限与知识时效。

• 强项中长文本理解与多步推理表现稳定，配合工具调用能输出结构化结果，适合文档问答、流程自动化与配置解读类任务。
• 短板知识截止 2023-12，更新事实须靠检索补齐；单次最多 4096 tokens 输出，写长报告要拆成多轮，容易产生衔接不一致。
• 适合长文档摘要、代码片段说明、需要温度控制风格的多轮对话；极端低延迟或一次性超长生成的场景不合适。

官方价输入输出同为 0.7 美元/百万 tokens，缓存读 0.2 美元/百万 tokens，在 70B 级开源模型里属中性价位。

• 定位输入与输出同价，长输出任务不额外加价，成本估算比进出差价大的模型更容易，适合以生成为主的工作负载。
• 横向对比比同门 Llama-3.1-70B 的 0.8 美元/百万 tokens 低约 14%，但明显高于 8B、11B 等小模型，能力与预算需按任务权衡。
• 平台差价Requesty 报价输入 0.23、输出 0.4 美元/百万 tokens，显著低于官方价；models.dev·edenai 报 0.7248 美元/百万 tokens，略高约 3.5%。
• 省钱固定系统提示与前缀文档走缓存读 0.2 美元/百万 tokens，把重复内容前置可压低单次调用成本，再按量比价选平台。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.7/M / $0.7/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站仅收录 1 家平台的价格与能力信息，且无第三方跑分，跨模型的能力强弱只能做定性判断，不能当评测结论使用。
• 边界仅支持文本输入与文本输出，不含图像、音频；128K 上下文与 4096 tokens 单次输出为调用硬限制，超出需自行截断或分段。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。