Ein Ethernet-Frame muss standardmäßig mindestens 64 Byte groß sein, damit die Kollisionserkennung funktioniert, und kann maximal 1.518 Byte groß sein. Das Paket beginnt immer mit einer Präambel, die die Synchronisation zwischen Sender und Empfänger regelt und einem „Start Frame Delimiter“ (SFD), der das Frame definiert. Beide Informationen sind eine Bitfolge im Format 10101010… Im eigentlichen Frame finden sich Informationen zu Ziel- und Quelladressen (MAC-Format) und Steuerinformationen (im Fall von Ethernet II das Type-Field, später eine Längenangabe), dann folgt der zu übermittelnde Datensatz. Eine „Frame Check Sequence“ (FCS) schließt als Prüfsumme das gesamte Frame (ausgenommen Präambel und SFD). Das Paket wird von einem „Inter Frame Gap“ abgeschlossen, der eine 9,6 µs lange Sendepause festlegt.
Ethernet II benutzt die klassische Framestruktur, die das sogenannte Type-Field („Typ“) beinhaltet, womit verschiedene Protokolle der Vermittlungsschicht definiert werden. Im OSI-Modell ist die Vermittlungsschicht (auch „Network Layer“) wichtig für die Schaltung von Verbindungen und die Bereitstellung von Netzwerkadressen. Das Type-Field wurde in späteren Frame-Formaten durch eine Längenangabe ersetzt.