Meta: Llama 3.1 70B Instruct 対 Tencent: Hy3 preview
api14カタログの最新のUSD料金と機能をもとに、Meta: Llama 3.1 70B Instruct（$2.52 / 100万トークン (≈ ￥398)）とTencent: Hy3 preview（$0.63 / 100万トークン (≈ ￥99)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| Meta: Llama 3.1 70B Instruct | Tencent: Hy3 preview | |
|---|---|---|
| プロバイダー | Meta | Tencent |
| 入力 | $2.52 / 100万トークン (≈ ￥398) | $0.63 / 100万トークン (≈ ￥99) |
| 出力 | $2.52 / 100万トークン (≈ ￥398) | $2.10 / 100万トークン (≈ ￥331) |
| キャッシュ読み取り | - | $0.21 / 100万トークン (≈ ￥33) |
| コンテキストウィンドウ | 131,072 | 262,144 |
| 最大出力 | 8,192 | 235,929 |
| 入力 | text | text |
| 出力 | text | text |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2024/07/23 | 2026/04/22 |
主な違い
- Tencent: Hy3 previewは入力トークンが75%安くなっています。
- Tencent: Hy3 previewは出力トークンが17%安くなっています。
- Tencent: Hy3 previewは2.0倍長いコンテキスト（262,144トークン）を読み取れます。
- ツール呼び出しに対応しているのはTencent: Hy3 previewだけです。
- 推論の強度の調整に対応しているのはTencent: Hy3 previewだけです。
- 入力1,000トークン・出力500トークンのリクエストの費用は、Meta: Llama 3.1 70B Instructで$0.00378、Tencent: Hy3 previewで$0.00168です。
詳しく見る
Meta: Llama 3.1 70B InstructはMetaのテキストモデルで、2024-07-23にリリースされました。Tencent: Hy3 previewはTencentのテキストモデルで、2026-04-22にリリースされました。どちらもapi14を通じてチャットスタイルのモデルとして提供され、単一のテキスト入力とテキスト出力を持ちます。そのため、基本的なリクエスト形状のレベルでは似て見えます。違いはコンテキスト長、サポートされるパラメータ、価格に現れます。
最も明らかな違いはコンテキストです。Llama 3.1 70B Instructのコンテキストウィンドウは131072トークンであるのに対し、Hy3 previewはその2倍の262096トークンです。そのため、プロンプト、ドキュメント、会話履歴が長い場合はHy3 previewを選ぶべきです。Hy3 previewはまた、Llama 3.1 70B Instructが公開していないパラメータも公開しています。include_reasoning、reasoning、reasoning_effort、seed、tools、およびツールサポートです。つまり、Hy3 previewは2つの中で唯一ツール呼び出しができ、唯一推論制御を持つものです。Llama 3.1 70B Instructはmax_tokens、stop、temperature、top_k、top_pをサポートしており、通常のサンプリングはカバーしますがそれ以上ではありません。価格では、Hy3 previewは入力トークンと出力トークンの両方で安い選択肢です。
日々の作業では、通常、追加機能が必要かどうかで選択が決まります。単純な生成、要約、分類、または固定プロンプトが問題なく収まり、モデルに機能を呼び出させる必要がないチャットを行う場合、Llama 3.1 70B Instructは合理的でよく理解された選択肢であり、そのサンプリングパラメータは通常の調整手段を提供します。モデルにツールを呼び出させたい場合、推論努力を調整したい場合、または入力が131072トークンのウィンドウでは窮屈なほど大きい場合、Hy3 previewの方が適しており、入力と出力の両方で2つの中で安い方でもあります。より大きなコンテキストと推論パラメータにより、エージェントスタイルや検索負荷の高いワークロードにとってより柔軟なモデルになります。
どちらをapi14経由で呼び出しても同じように動作します。どちらもOpenAI互換なので、既存のクライアントをapi14のベースURLに向け、キーを送信し、modelフィールドを設定します。Llama 3.1 70B Instructを使用するには、model idとして"meta-llama/llama-3.1-70b-instruct"を渡します。Hy3 previewを使用するには、"tencent/hy3-preview"を渡します。リクエストボディのその他の部分はそのままで、レスポンスは同じ形状で返ります。2つの切り替えは1行の変更であり、コミットする前に両方を自分のプロンプトでテストするのが容易になります。
Hy3 previewの方が安く、より多くの機能を持つとしても、Llama 3.1 70B Instructを選ぶ理由はまだあります。ワークロードがツール呼び出しなし、推論制御の必要なしのプレーンテキスト生成であり、プロンプトが131072トークン以内に収まる場合、Hy3 previewの追加パラメータは何ももたらさず、機能的な損失なしにどちらを選んでも構いません。その状況では、決定は主に自分のデータでどちらのモデルの出力を好むかということであり、それは自分の評価だけが決められることです。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"meta-llama/llama-3.1-70b-instruct"から"tencent/hy3-preview"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "tencent/hy3-preview",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
その他の比較
- LiquidAI: LFM3-1.7B 対 Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B 対 Crouton Alpha
- LiquidAI: LFM3-1.7B 対 Tencent: Hy4
- LiquidAI: LFM3-1.7B 対 Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview 対 Crouton Alpha
- Ricursive: Ripple 65B Preview 対 Tencent: Hy4
- Ricursive: Ripple 65B Preview 対 Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha 対 Tencent: Hy4