Dapatkan email saat harga campuran model ini turun. Tidak diperlukan akun.
Satu email per tetes. Berhenti berlangganan kapan saja.
Harga campuran harian ($/1 juta) — dicatat setiap hari, menjadi tren seiring berjalannya waktu.
Campuran output-to-input 3:1, per 1 juta token
Sumber: litellm
Pembuatan teks, obrolan, ringkasan, dan beban kerja konten untuk tujuan umum yang mengutamakan kemampuan luas dan biaya rendah.
Alpindale Llama 3.2 1B Instruct adalah kartu model instruksi ringkas untuk metadata referensi rute berbiaya rendah.
Llama-3.2-1B-Instruct adalah model Teks dari Alpindale (US). HotON.ai melacaknya pada $0.03 per 1 juta token masukan dan $0.20 per 1 juta token keluaran, dengan jendela konteks token 131K. Skor efisiensi gabungannya adalah 89/100 dengan perkiraan $0.000 per tugas yang berhasil.
Llama-3.2-1B-Instruct dilacak pada $0.03 per 1 juta token masukan dan $0.20 per 1 juta token keluaran. Beban kerja output-to-input 3:1 rata-rata berpadu menjadi $0.16 per 1 juta token. Angka adalah ilustrasi data demo.
Pembuatan teks, obrolan, ringkasan, dan beban kerja konten untuk tujuan umum yang mengutamakan kemampuan luas dan biaya rendah.
Llama-3.2-1B-Instruct mendukung hingga jendela konteks token 131K — cukup besar untuk dokumen panjang dan percakapan panjang dalam satu permintaan.
Dalam rangkaian terlacak HotON.ai, Llama-3.2-1B-Instruct lebih murah dibandingkan 95% model dalam hal harga input dan menempati peringkat #244 dari 535 berdasarkan efisiensi keseluruhan.
Ya — hunyuan-lite adalah opsi berbiaya lebih rendah di $0.11 per 1 juta token keluaran, namun tetap mencakup kasus penggunaan Teks yang serupa. Bandingkan keduanya secara berdampingan di HotON.ai.
Siap untuk ditempelkan ke dalam artikel, makalah, atau permintaan AI — harga dan tanggal diperbarui dengan data langsung.
HotON.ai — Llama-3.2-1B-Instruct (Alpindale): $0.03/1M input, $0.20/1M output. https://hoton.ai/id/models/alpindale-llama-3-2-1b-instructHarga nyata (melalui katalog TestKey, diperbarui setiap hari). Kualitas (Arena Elo) nyata dimana modelnya diperingkat di LMArena. Efisiensi adalah gabungan harga riil dan konteks yang dimodelkan.