Llama 3.3 70B: para qué sirve de verdad (benchmark en español)
Donde mejor rinde es Contenido (#39 de 97 entre los que rinden el examen completo), y donde menos rinde es Razonamiento (7.37 contra 8.51). Está en el tercio más barato del ranking: $0.510 por cada 1.000 llamadas.
Dónde está parado, pilar por pilar
La nota de la derecha es sobre 10. La barra compara contra los demás modelos del ranking, no contra el cero: entre el mejor y el peor de esta lista hay poco más de un punto, así que en escala 0-10 se verían todas iguales. La marca vertical es la mediana — quedar por debajo acá no es una mala nota, es estar en el promedio de un grupo muy parejo.
Medido con 160 runs que puntúan, juez Phi-4 local · actualizado 2026-08-23 · datos abiertos
Qué hace bien y qué no
Su media entre las 31 tareas medidas es 7.26. Un promedio esconde justo lo que te importa, así que acá están los extremos.
Donde rinde por encima de sí mismo
- JSON estructurado (extracción, schemas) — 8.71 (+1.45 contra su media).
- Integridad de idioma (no mezclar idiomas) — 8.38 (+1.12 contra su media).
- Gestión de tareas (action items, planes) — 8.37 (+1.11 contra su media).
- Verificar un dato contra su fuente — 8.36 (+1.10 contra su media).
Donde se cae
- Resistencia a prompt injection — 5.05 (-2.21 contra su media).
- Tool calling (llamada de funciones) — 5.59 (-1.67 contra su media).
- Razonamiento profundo (matemática, Fermi) — 5.66 (-1.60 contra su media).
- Contenido con datos verificables (no inventar) — 5.79 (-1.47 contra su media).
Si Llama 3.3 70B no te cierra
| Modelo | Calidad | $/1k | Latencia | Por qué |
|---|---|---|---|---|
| Ling 3.0 Flash | 7.98 | $0.101 | 12.1 s | misma nota o mejor, menos plata por llamada |
| Qwen 3.7 Flash | 8.49 | $0.204 | 28.5 s | hasta 30% más caro, pero rinde más |
| Gemini 3.1 Flash Lite | 8.09 | $2.33 | 4.1 s | al menos 40% menos de espera, sin caer de nota |
La ficha: Llama 3.3 70B en números
| Calidad medida | |
|---|---|
| Runs que puntúan | 160 |
| Tool calling | 7.90 |
| Resistencia a prompt injection | 4.60 |
| Precio | |
| Precio por millón · entrada | $0.100 |
| Precio por millón · salida | $0.320 |
| Rendimiento y límites | |
| Latencia total media | 27.9 s |
| Ventana de contexto | — |
Contra los mejores del ranking, en plata
| Modelo | Calidad | $/1.000 llamadas |
|---|---|---|
| Llama 3.3 70B | 8.04 | $0.510 |
| GPT-5.6 Luna | 8.52 | $0.930 |
| Claude Opus 4.8 | 8.48 | $39.00 |
- GPT-5.6 Luna (el techo medido) rinde 6% más (8.52 contra 8.04) y cuesta 2 veces más por llamada.
- Claude Opus 4.8 (el caro que todos conocen) rinde 5% más (8.48 contra 8.04) y cuesta 76 veces más por llamada.
Cuánto max_tokens darle, por tarea
| Tarea | Mediana | Peor caso medido | max_tokens sugerido |
|---|---|---|---|
| Tareas largas (sostener el hilo 8-12 turnos) | 3.054 | 7.110 | 8.887 |
| Integridad de idioma (no mezclar idiomas) | 991 | 2.048 | 2.560 |
| Generación de código (Python. SQL. debug) | 639 | 1.754 | 2.192 |
| Contenido startup (newsletter. actualidad) | 925 | 1.380 | 1.725 |
| Presentaciones (slides. reportes) | 1.265 | 1.265 | 1.581 |
| Razonamiento profundo (matemática. Fermi) | 788 | 1.243 | 1.553 |
| Decisiones de negocio (prioridades. plan) | 632 | 1.191 | 1.488 |
| Razonamiento general (lógica. decisiones) | 914 | 1.155 | 1.443 |
| Estrategia (pricing. planificación) | 1.018 | 1.023 | 1.278 |
| Noticias + SEO (artículos completos) | 915 | 990 | 1.237 |
| OCR / extracción desde imágenes | 443 | 966 | 1.207 |
| Gestión de tareas (action items. planes) | 688 | 891 | 1.113 |
| Auditar números (detectar el error plantado) | 549 | 873 | 1.091 |
| Creatividad (hooks. analogías. narrativa) | 521 | 849 | 1.061 |
| Ventas en frío (cold email. campañas) | 701 | 780 | 975 |
| Contenido genérico (blog. email. social) | 719 | 731 | 913 |
| Capacidades de agente (delegación. skills) | 342 | 618 | 772 |
| Contenido con datos verificables (no inventar) | 297 | 601 | 751 |
| JSON estructurado (extracción. schemas) | 107 | 565 | 706 |
| Multi-turno (debugging. requisitos) | 309 | 542 | 677 |
| Traducción (es↔en) | 117 | 511 | 638 |
| No inventar herramientas (abstenerse cuando no hay) | 41 | 489 | 611 |
| Anti-alucinación (citas. contexto) | 216 | 467 | 583 |
| Resúmenes y extracción de datos | 424 | 424 | 530 |
| Orquestación (flujos de varios pasos) | 271 | 386 | 482 |
| Seguir instrucciones al pie de la letra | 328 | 373 | 466 |
| Soporte al cliente (clasificar y responder) | 127 | 279 | 348 |
| Tool calling (llamada de funciones) | 71 | 85 | 106 |
| Verificar un dato contra su fuente | 45 | 65 | 81 |
| Precisión literal (hex. JWT. configs) | 41 | 64 | 80 |
| Resistencia a prompt injection | 26 | 57 | 71 |
Los números oficiales de Llama 3.3 70B
Acá no los repetimos, y es a propósito. MMLU, GPQA, SWE-bench y la tabla del lanzamiento las publica quien hizo el modelo, con más recursos y antes que nadie: ese enlace es mejor que cualquier copia nuestra, y no envejece.
Lo que sí medimos acá es lo otro: qué pasa cuando este modelo tiene que decidir algo de un negocio chico, en español y a un precio que se pueda pagar. Verificar un dato antes de publicarlo, emitir el JSON que espera un workflow, llamar la herramienta correcta. Eso no está en la tarjeta del fabricante.
¿Es el mejor para TU caso?
Filtra por presupuesto, calidad mínima y tipo de tarea. En 30 segundos sabes si Llama 3.3 70B es tu opción o hay algo mejor para lo que haces.
Ir a la calculadora →