Vergleich mittelgroßer KI-Modelle mit offenen Gewichten (40B-150B)

Name: Offenheit
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

KI-Modelle mit offenen Gewichten und 40B bis 150B Parametern.

Modelle gelten als Modelle mit offenen Gewichten (häufig auch als Open Source bezeichnet), wenn ihre Gewichte zum Download verfügbar sind. Dadurch können sie auf der eigenen Infrastruktur gehostet und beispielsweise durch Fine-Tuning angepasst werden.

Weitere Details, auch zu unserer Methodik, finden Sie in unseren FAQs.

Nemotron 3.5 Super VL und

Ling-3.0-flash-VL erreichen unter den mittelgroßen Modellen mit offenen Gewichten, definiert als Modelle mit 40B-150B Parametern, die höchsten Werte im Artificial Analysis Progress Index v1, gefolgt von

Ling-3.0-flash-Fin und

Nemotron 3.5 Bolt 74B-A9B.

Offenheit

Artificial Analysis Openness Index · Higher is better

Progress Index

Artificial Analysis Progress Index v1 · Higher is better

Parameter insgesamt

Trainierbare Parameter in Milliarden

Offenheit

Artificial Analysis Openness Index: Wert

Der Openness Index bewertet die Offenheit von Modellen auf einer normierten Skala von 0 bis 100 (höher bedeutet offener)

Intelligenz

Artificial Analysis Progress Index

Artificial Analysis Progress Index v1 is an item response theory estimate of general capability across Artificial Analysis evaluations

Wir berechnen den Artificial Analysis Progress Index v1 mit der Item-Response-Theorie, die anhand unserer Benchmark-Ergebnisse die Fähigkeiten der Modelle und die Schwierigkeit der Aufgaben gemeinsam schätzt. So können wir Modelle im Zeitverlauf vergleichen, auch wenn sie auf unterschiedlichen Benchmarks getestet wurden.

Wir schätzen die Schwierigkeit einer Aufgabe anhand der Modelle, die sie lösen oder daran scheitern. Gleichzeitig schätzen wir die Fähigkeiten jedes Modells anhand seiner Ergebnisse über verschiedene Aufgaben hinweg.

Ein älteres Modell könnte beispielsweise auf leichteren Benchmarks getestet worden sein und ein neueres auf schwierigeren. Modelle, die auf beiden Gruppen von Benchmarks getestet wurden, helfen uns, den Schwierigkeitsunterschied zu schätzen und die älteren und neueren Modelle auf derselben Skala zu vergleichen.

Jede Effort-Variante wird als eigenes Modell dargestellt. Methodik des Progress Index v1 lesen.

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 Accuracy

Knowledge

AA-Omniscience v1.1 Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1

Agentic scientific research workflows in a terminal

FrontierCode-AA 2.0

Agentic software engineering in open-source repositories

HLE-Diamond

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1

Legal agentic work, Hallucination-Gated All-Pass Rate

No data available

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3D

Agentic interactive 3D experiences, Elo

No data available

Code2Video-AA

Product and brand videos designed in code, Elo

No data available

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AA

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness Score

Rich, varied, well-crafted language

AA-PersonalityBench: Organization Score

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency Score

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop Score

Use of filler and generic language

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Größe

Modellgröße: Gesamtparameter und aktive Parameter

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Progress Index vs. aktive Parameter

Artificial Analysis Progress Index v1 · Active parameters at inference time (billions)

Most attractive quadrant

Pareto line

Jede Effort-Variante wird als eigenes Modell dargestellt. Methodik des Progress Index v1 lesen.

Progress Index vs. Gesamtparameter

Artificial Analysis Progress Index v1 · Size in parameters (billions)

Most attractive quadrant

Pareto line

Jede Effort-Variante wird als eigenes Modell dargestellt. Methodik des Progress Index v1 lesen.

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

Kontextfenster

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Weitere Details

								Gewichte		Anbieter-Benchmarks
Nemotron 3.5 Super VL	NVIDIA	284	120B 12B während der Inferenz aktiv	1M	$0.13	6.0	226	🤗	+6	Anzeigen
Ling-3.0-flash-VL	InclusionAI	281	124B 5.5B während der Inferenz aktiv	262k	-	-	-	🤗	-	Anzeigen
Ling-3.0-flash-Fin	InclusionAI	279	124B 5.1B während der Inferenz aktiv	262k	-	-	-	🤗	-	Anzeigen
Nemotron 3.5 Bolt 74B-A9B	NVIDIA	269	74B 9B während der Inferenz aktiv	262k	-	-	-	🤗	-	Anzeigen
Qwen3.5 122B A10B (Reasoning)	Alibaba	261	125B 10B während der Inferenz aktiv	262k	$0.68	-	105	🤗		Anzeigen
Mistral Medium 3.5	Mistral	257	128B	256k	$1.16	4.5	147	🤗		Anzeigen
Qwen3.5 122B A10B (Non-reasoning)	Alibaba	250	125B 10B während der Inferenz aktiv	262k	$0.68	-	102	🤗		Anzeigen
gpt-oss-120b (High)	OpenAI	240	117B 5.1B während der Inferenz aktiv	131k	$0.18	7.3	167	🤗	+13	Anzeigen
Qwen3 Coder Next	Alibaba	227	79.7B 3B während der Inferenz aktiv	256k	$0.36	-	70	🤗		Anzeigen
Qwen3 Next 80B A3B (Reasoning)	Alibaba	225	80B 3B während der Inferenz aktiv	262k	-	-	-	🤗	-	Anzeigen
HyperNova 60B 2605 (High, Based on gpt-oss-120b)	Multiverse Computing	224	58.7B 4.8B während der Inferenz aktiv	131k	-	-	-	🤗	-	Anzeigen
INTELLECT-3 (Based on GLM-4.5-Air)	Prime Intellect	221	107B 12B während der Inferenz aktiv	131k	-	-	-	🤗	-	Anzeigen

Vergleich mittelgroßer KI-Modelle mit offenen Gewichten (40B-150B)

Offenheit

Progress Index

Parameter insgesamt

Offenheit

Artificial Analysis Openness Index: Wert

Intelligenz

Artificial Analysis Progress Index

So wird der Progress Index v1 berechnet

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Größe

Modellgröße: Gesamtparameter und aktive Parameter

Total Parameters

Active Parameters at Inference Time

Progress Index vs. aktive Parameter

So wird der Progress Index v1 berechnet

Active Parameters at Inference Time

Progress Index vs. Gesamtparameter

So wird der Progress Index v1 berechnet

Total Parameters

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Weitere Details