Meta · 2024-07 · デンス
Llama 3.1 70B
Llama 3.1 70B は Meta が 2024-07 に公開した グループ化クエリ注意（GQA） Transformer です。80 層、隠れ次元 8192、コンテキスト長 131,072 トークン。
層スタック
注意機構 ×80 · 層数 80
主要スペック
| 開発元 | Meta |
|---|---|
| 公開日 | 2024-07 |
| 総パラメータ | 70.55 B |
| コンテキスト | 131,072 tokens |
| 注意機構 | GQA (64:8) |
| 層数 | 80 |
| 隠れ次元 | 8,192 |
| 注意ヘッド | 64 |
| 語彙数 | 128,256 |
| 位置エンコーディング | RoPE |
| 正規化 | RMSNorm |
| 活性化関数 | silu |
| 学習精度 | bf16 |
| アーキテクチャクラス | LlamaForCausalLM |
アーキテクチャ概要
注意機構
グループ化クエリ注意（GQA） — 64 q-heads / 8 kv-heads. RoPE θ=500,000.
FFN / MoE
デンスモデルであり、全 70.55B のパラメータがすべてのトークンの計算に参加します。
フィールド単位の比較
同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。
前世代 Llama 2 70B との全フィールド比較
| モデル | Llama 3.1 70B | Llama 2 70B | 倍数 |
|---|---|---|---|
| model_type | llama | llama | ＝ |
| architectures | LlamaForCausalLM | LlamaForCausalLM | ＝ |
| hidden_size | 8192 | 8192 | ≈1 |
| num_hidden_layers | 80 | 80 | ≈1 |
| num_attention_heads | 64 | 64 | ≈1 |
| num_key_value_heads | 8 | 8 | ≈1 |
| intermediate_size | 28672 | 28672 | ≈1 |
| hidden_act | silu | silu | ＝ |
| rope_theta | 500000 | — | |
| max_position_embeddings | 131072 | 4096 | ×32.00 |
| rms_norm_eps | 0.00001 | 0.00001 | ≈1 |
| vocab_size | 128256 | 32000 | ×4.01 |
| torch_dtype | bfloat16 | float16 | ≠ |
| attention_bias | false | — | |
| attention_dropout | 0 | — | |
| bos_token_id | 128000 | 1 | ×128000.00 |
| eos_token_id | 128001×1 + 128008×1 + 128009×1 | 2 | ≠ |
| initializer_range | 0.02 | 0.02 | ≈1 |
| mlp_bias | false | — | |
| pretraining_tp | 1 | — | |
| tie_word_embeddings | false | false | ＝ |
| transformers_version | 4.42.3 | 4.31.0.dev0 | ≠ |
| use_cache | true | true | ＝ |
構造が最も近いモデル
- Qwen2 72B (Qwen, 2024-06) 0.999
- Qwen2.5 72B (Qwen, 2024-09) 0.999
- Qwen3 32B (Qwen, 2025-04) 0.995
- Qwen3.6 27B (Qwen, 2026-04) 0.994
- Qwen3.8 27B (Qwen, 2026-08) 0.994
- Qwen3 8B (Qwen, 2025-04) 0.978
類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。
config.json の全フィールド
23 フィールド
| architectures | LlamaForCausalLM |
|---|---|
| attention_bias | false |
| attention_dropout | 0 |
| bos_token_id | 128000 |
| eos_token_id | 128001×1 + 128008×1 + 128009×1 |
| hidden_act | silu |
| hidden_size | 8192 |
| initializer_range | 0.02 |
| intermediate_size | 28672 |
| max_position_embeddings | 131072 |
| mlp_bias | false |
| model_type | llama |
| num_attention_heads | 64 |
| num_hidden_layers | 80 |
| num_key_value_heads | 8 |
| pretraining_tp | 1 |
| rms_norm_eps | 0.00001 |
| rope_theta | 500000 |
| tie_word_embeddings | false |
| torch_dtype | bfloat16 |
| transformers_version | 4.42.3 |
| use_cache | true |
| vocab_size | 128256 |