Página automatizada. Redactada y traducida automáticamente por IA y verificada con las fuentes mediante software; sin editor humano. SI-IQ es un índice elaborado a partir de resultados públicos de benchmarks, no una prueba de CI. Cómo funciona

¿Qué tan inteligente es Llama 3.3 70B?

66 SI-IQ · Intervalo del 90 % 61–71
Puesto 80 de 80 modelos clasificados · Rango de posiciones plausible 77–80

Llama 3.3 70B es un modelo de Meta AI, lanzado el 6 dic 2024. Su SI-IQ es 66 (intervalo del 90 % 61–71), estimado a partir de 5 resultados de benchmarks de 3 evaluadores independientes. Su área más fuerte es Agentes y la más débil es Matemáticas.

Datos

Desarrollador: Meta AI
Lanzamiento: 6 dic 2024
Acceso: Pesos abiertos (licencia restringida)
Benchmarks utilizados: 5 resultados de 3 evaluadores

Capacidad por áreas (SI-IQ, intervalo del 90 %)

Todos los resultados de benchmarks utilizados

Cada puntuación es un único valor tal como lo publicó la fuente: en el caso de Epoch AI, el mejor de sus ajustes de ejecución; en el de OpenRouter, el proveedor de alojamiento mediano (el alojamiento propio del desarrollador cuando realizó la prueba). El «SI-IQ implícito» es la capacidad a la que apunta este único resultado; el SI-IQ global es su media ponderada por precisión.

Benchmark	Área	Puntuación	SI-IQ implícito	Evaluado por	Nombre según la fuente	Obtenido	Fuente
MATH Level 5	Matemáticas	41,6 %	65	Epoch AI	`Llama-3.3-70B-Instruct`	18 oct 2026	Epoch AI Benchmarking Hub · archivo de datos
OTIS Mock AIME 2024–2025	Matemáticas	5,1 %	63	Epoch AI	`Llama-3.3-70B-Instruct`	18 oct 2026	Epoch AI Benchmarking Hub · archivo de datos
GPQA Diamond	Conocimiento	47,4 %	70	Epoch AI	`Llama-3.3-70B-Instruct`	18 oct 2026	Epoch AI Benchmarking Hub · archivo de datos
GPQA Diamond (OpenRouter run)	Conocimiento	47,5 %	70	OpenRouter	`meta-llama/llama-3.3-70b-instruct` Parasail · median over providers (12 of 12 rows), lower median	18 oct 2026	OpenRouter benchmark datasets · archivo de datos
Berkeley Function Calling Leaderboard	Agentes	31,9 %	73	UC Berkeley (Gorilla)	`Llama-3.3-70B-Instruct (FC)`	18 oct 2026	Berkeley Function Calling Leaderboard · archivo de datos
τ²-bench Airline (OpenRouter run)	Agentes	31,3 %	61	OpenRouter	`meta-llama/llama-3.3-70b-instruct` PrimeIntellect · median over providers (6 of 6 rows), lower median	18 oct 2026	OpenRouter benchmark datasets · archivo de datos

Preferencia humana (Arena)

En la clasificación de Arena, donde las personas votan entre dos respuestas anónimas, Llama 3.3 70B tiene una puntuación de 1318 (1315–1322) a partir de 54.497 votos (publicada el 15 oct 2026). La preferencia humana es una medida distinta de la capacidad en benchmarks y no forma parte de SI-IQ. Arena (Hugging Face)

Modelos con un SI-IQ similar

Modelo	SI-IQ
GPT-4o miniOpenAI	68	Llama 3.3 70B vs GPT-4o mini
GPT-4o (Nov 2024)OpenAI	69	Llama 3.3 70B vs GPT-4o (Nov 2024)
GPT-4o (Aug 2024)OpenAI	73	Llama 3.3 70B vs GPT-4o (Aug 2024)
GPT-4.1 nanoOpenAI	76	Llama 3.3 70B vs GPT-4.1 nano
Gemma 3 27BGoogle DeepMind	77	Llama 3.3 70B vs Gemma 3 27B

Calculado con la versión 1.0.0 del método SI-IQ. Leer la metodología completa

Fuentes de datos: Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter..