Sao10K · modelo de lenguaje
Llama 3 8B Lunaris: precio, contexto y benchmarks
Llama 3 8B Lunaris es el modelo de Sao10K lanzado el 13 de agosto de 2024. Cuesta 0,04 US$ por millón de tokens de entrada y 0,05 US$ de salida, con un contexto de 8,2 mil tokens. Por ahora no hay ninguna puntuación independiente publicada.
| Precio | 29/30 | |
|---|---|---|
| Contexto | 0/15 | |
| Funciones | 7/15 |
Lo que hay que saber de Llama 3 8B Lunaris
Sao10K puso Llama 3 8B Lunaris en línea el 13 de agosto de 2024. Acepta texto como entrada y produce texto. Su ventana de contexto alcanza 8192 tokens, más que el 3 % de los modelos del registro, y puede escribir hasta 7372 tokens de una vez.
Lanzado hace más de 2 años, pertenece a una generación ya superada por modelos más recientes de casi todos los editores.
Precio de Llama 3 8B Lunaris
En OpenRouter, Llama 3 8B Lunaris cuesta 0,04 US$ por millón de tokens de entrada y 0,05 US$ de salida. Contando tres tokens leídos por cada token escrito, su precio medio es de 0,042 US$ por millón, más caro que el 2 % de los modelos de pago (18,2 veces menos que la mediana de 0,76 US$).
Un ejemplo concreto: una tarea que envía 2.000 tokens (unas 1.500 palabras) y recibe 500 tokens de respuesta cuesta 0,0001 US$. Con 1.000 tareas al día, cuente 3 US$ al mes. La calculadora de precios rehace este cálculo con sus propios volúmenes.
Rendimiento y benchmarks
Epoch AI aún no publica un índice de capacidades para Llama 3 8B Lunaris. Por eso no mostramos ninguna nota de rendimiento inventada: solo el precio, el contexto y las funciones cuentan en su nota.
Funciones, privacidad y uso local
- No admite la llamada a herramientas: no sirve para manejar un agente IA que deba actuar.
- Puede responder en un formato JSON impuesto (salidas estructuradas).
- Sus conocimientos llegan hasta diciembre de 2023.
Sus pesos son abiertos y se pueden descargar en Hugging Face: puede ejecutarlo en sus propias máquinas sin enviar sus datos a terceros.
Otros modelos de Sao10K
| Modelo | Lanzamiento | Precio medio | ECI |
|---|---|---|---|
| Llama 3.1 Euryale 70B v2.2 | 28 ago 2024 | 0,85 US$ | — |
Veredicto
Nota calculada: 60/100, a partir de datos públicos (rendimiento, precio, contexto, funciones).
Puntos fuertes
- Precio bajo: más barato que el 98 % de los modelos de pago.
- Pesos abiertos: autoalojable, sus datos se quedan con usted.
Limitaciones
- Contexto corto (8,2 mil tokens): hay que dividir los documentos largos.
- Sin llamada a herramientas: no sirve como cerebro de un agente.
- Ninguna puntuación independiente publicada: rendimiento no verificable.
- Generación antigua, a menudo sustituida por un modelo más reciente del mismo editor.
- Solo texto: no lee imágenes ni archivos.
Evítelo si…
- construye un agente que debe llamar a herramientas;
- analiza documentos largos de una sola vez.
Alternativas
- Mistral Small 30,06 US$
- Hy-MT2-1.8B0,08 US$
- MythoMax 13B0,09 US$
- Phi 40,09 US$
- Llama 3.2 1B Instruct0,07 US$
- LFM2.5-2.6Bgratis
Comparativas y herramientas
Entender
Preguntas frecuentes
¿Cuánto cuesta Llama 3 8B Lunaris?
0,04 US$ por millón de tokens de entrada y 0,05 US$ de salida en OpenRouter (dato del 25 de octubre de 2026). Una tarea de 2.000 tokens leídos y 500 escritos cuesta 0,0001 US$.
¿Qué tamaño tiene el contexto de Llama 3 8B Lunaris?
8192 tokens, unas 6000 palabras, con un máximo de 7372 tokens de salida.
¿Se puede usar Llama 3 8B Lunaris en local?
Sí, sus pesos están publicados.
¿Sirve Llama 3 8B Lunaris para un agente IA?
No: sin llamada a herramientas no puede actuar, solo responder.
¿Qué alternativas hay a Llama 3 8B Lunaris?
Los modelos más cercanos en precio y rendimiento son Mistral Small 3, Hy-MT2-1.8B y MythoMax 13B.
Artículos relacionados
- Mistral AI: modelos, precios y agentes25 de octubre de 2026
- Benchmark LLM: cómo interpretar las clasificaciones de modelos24 de octubre de 2026
- Ejecutar un LLM en local: hardware, software y límites24 de octubre de 2026
- ¿Modelos de código abierto o cerrados para sus agentes?5 de octubre de 2026
Neutralidad. Ningún enlace de afiliación. Ningún editor paga por ser evaluado, puntuado o clasificado. Las evaluaciones las dirige François Chollet, neutrales y factuales, y cada dato está fechado y con su fuente. Cómo puntuamos