Täglicher gemischter Preis ($/1 Mio.) – wird jeden Tag aufgezeichnet und bildet im Laufe der Zeit einen Trend.
Typischer 3:1-Output-to-Input-Mix pro 1 Mio. Token
Preis ab 2026-05-11 · Quelle: meta_reference_catalog
Gemischte Text-, Bild-, Audio- und Dokument-Workloads, die modalitätsübergreifend von einem Modell profitieren.
Llama Guard 4 is a Llama 4 Scout-derived multimodal pretrained model, fine-tuned for content safety classification. Similar to previous versions, it can be used to classify content in both LLM...
llama-guard-4-12b ist ein Multimodal-Modell von Meta (US). HotON.ai verfolgt es bei $0.18 pro 1 Mio. Eingabe-Tokens und $0.18 pro 1 Mio. Ausgabe-Tokens mit einem 164K-Token-Kontextfenster. Sein zusammengesetzter Effizienzwert beträgt 90/100 bei einem geschätzten $0.000 pro erfolgreicher Aufgabe.
llama-guard-4-12b wird bei $0.18 pro 1 Mio. Eingabe-Tokens und $0.18 pro 1 Mio. Ausgabe-Tokens verfolgt. Eine typische 3:1-Ausgabe-zu-Eingabe-Arbeitslast ergibt ungefähr $0.18 pro 1 Mio. Token. Bei den Zahlen handelt es sich um illustrative Demodaten.
Gemischte Text-, Bild-, Audio- und Dokument-Workloads, die modalitätsübergreifend von einem Modell profitieren.
llama-guard-4-12b unterstützt bis zu einem 164K-Token-Kontextfenster – groß genug für lange Dokumente und längere Konversationen in einer einzigen Anfrage.
Innerhalb des von HotON.ai erfassten Bestands ist llama-guard-4-12b beim Eingabepreis günstiger als 68% der Modelle und liegt nach Gesamteffizienz auf Platz 67 von 521.
Ja – qwen3.5-flash-02-23 ist eine kostengünstigere Option bei $0.26 pro 1 Million Ausgabe-Tokens, deckt aber dennoch ähnliche Multimodal-Anwendungsfälle ab. Vergleichen Sie sie nebeneinander auf HotON.ai.
Die Preise sind real (über den TestKey-Katalog, täglich aktualisiert). Qualität (Arena Elo) ist real, wenn das Modell auf der LMArena-Rangliste steht. Geschwindigkeit, Verfügbarkeit und Effizienz sind modellierte Schätzungen.