Meta: Llama 3.2 1B Instruct

Meta: Llama 3.2 1B Instruct est un LLM à poids ouverts lancé par Meta le 25 septembre 2024. À près de deux ans, il appartient déjà à une génération ancienne à l’échelle de l’IA, probablement dépassée par des modèles plus récents. Ses connaissances s’arrêtent au 31 décembre 2023.

Le modèle se distingue surtout par sa fenêtre de contexte de 131 072 tokens et son positionnement très économique. Ses tarifs se situent 99% sous la moyenne des LLM similaires. Ce faible coût contraste avec des résultats Benchable très en retrait, y compris sur le suivi d’instructions et le raisonnement.

Caractéristiques

Performances (benchmarks)

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 99 % en dessous de la moyenne des LLM similaires, et 203,7 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Notre analyse

Forces. La fenêtre de contexte de 131 072 tokens autorise le traitement d’entrées longues. Les poids ouverts constituent un autre trait distinctif du modèle. Son principal avantage reste toutefois son prix : la tarification est 99% inférieure à la moyenne des LLM similaires et environ 203,7 fois moins élevée que celle des modèles frontière. Meta: Llama 3.2 1B Instruct conserve ainsi un intérêt économique marqué parmi les modèles proposés à très bas coût.

Limites et points d’attention. Les benchmarks Benchable placent le modèle presque en dernière position en Email Classification. Il reste aussi en retrait en Instruction Following et en Reasoning. Sur ce dernier test, il partage la 141e place avec deux autres modèles, dans un benchmark plafonné qui départage mal les scores concernés. Les résultats sont encore plus faibles en General Knowledge, Ethics et Mathematics, avec un score nul et des places partagées par plusieurs modèles. Les connaissances arrêtées à fin 2023 accentuent son vieillissement. Près de deux ans après sa sortie, ses performances sont largement dépassées à l’échelle de l’IA, et les modèles de cette période sont souvent retirés du catalogue de leur éditeur.

Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).