Agnes (NG): Intelligenz, Leistung und Preise der Modelle

Agnes (NG)
Agnes (NG)

Analyse der Modelle von Agnes (NG) anhand zentraler Metriken wie Qualität, Preis, Ausgabegeschwindigkeit, Latenz, Kontextfenster und mehr. Diese Analyse soll Sie bei der Auswahl des besten von Agnes (NG) angebotenen Modells für Ihren Anwendungsfall unterstützen.

Höchste Intelligenz

#1
Agnes 2.5 Pro Alpha
Agnes 2.5 Pro Alpha
39

Intelligence Index

Insgesamt 1 Modell

Am schnellsten

#1
Agnes 2.5 Pro Alpha
Agnes 2.5 Pro Alpha
134 t/s

Ausgabegeschwindigkeit

Insgesamt 1 Modell

Niedrigster Preis

#1
Agnes 2.5 Pro Alpha
Agnes 2.5 Pro Alpha
$0.18

Mischpreis (pro 1 Mio. Tokens)

Insgesamt 1 Modell

Kennzeichnet ein Reasoning-Modell

Agnes NG bietet derzeit Agnes 2.5 Pro Alpha an.

Wichtigste Ergebnisse

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Geschwindigkeit

Output tokens per second · Higher is better

Preis

USD per 1M tokens (blended) · Lower is better

Intelligenzevaluationen

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.1 incorporates 9 evaluations: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR
Reasoning models are indicated by a lightbulb icon

Artificial Analysis Intelligence Index v4.1 includes: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better
GDPval-AA v2

Agentic real-world work tasks, (Elo-500)/2000

𝜏³-Banking

Agentic tool use

Terminal-Bench v2.1

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GPQA Diamond

Scientific reasoning

CritPt

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR

Long context reasoning

AA-Briefcase

Agentic knowledge work, Elo

No data available
AutomationBench-AA

Agentic SaaS workflows

No data available
Harvey LAB-AA

Legal agentic work, criterion pass rate

No data available
EnterpriseOps-Gym-AANew

Agentic business operations

No data available
IFBench

Instruction following

No data available
APEX-Agents-AA

Long-horizon agentic tasks

No data available
ITBench-AA

Kubernetes incident root-cause analysis

No data available
MMMU-Pro

Visual reasoning

No data available
Reasoning models are indicated by a lightbulb icon

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

Artificial Analysis Intelligence Index v4.1 includes: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Index vs. Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)
Most attractive quadrant
Reasoning models are indicated by a lightbulb icon

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

Kontextfenster

Context Window

Context window: tokens limit · Higher is better
Reasoning models are indicated by a lightbulb icon

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).

Preise

Intelligence Index vs. Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)
Most attractive quadrant
Reasoning models are indicated by a lightbulb icon

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

Leistungsübersicht

Output Speed vs. Price

Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant
Reasoning models are indicated by a lightbulb icon

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Output Speed

Output tokens per second · Higher is better
Reasoning models are indicated by a lightbulb icon

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latenz

Gemessen anhand der Zeit (Sekunden) bis zum ersten Token

Latency: Time To First Answer Token

Seconds to first answer token received · Accounts for reasoning model 'thinking' time
Reasoning models are indicated by a lightbulb icon

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

End-to-End Response Time vs. Price

End-to-end response time: end-to-end seconds to output 500 tokens · USD per 1M tokens (blended)
Most attractive quadrant
Reasoning models are indicated by a lightbulb icon

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Weitere Analyse
Logo von Sapiens AI
Agnes 2.5 Pro Alpha
1M
Proprietär
39
--
134
2.72
21.40
14.95
Modell
Anbieter

Wichtige Definitionen

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

Häufig gestellte Fragen

Häufige Fragen zu Agnes (NG)

Agnes (NG) bietet 1 von uns erfasstes Modell an: Agnes 2.5 Pro Alpha.

Das intelligenteste bei Agnes (NG) verfügbare Modell ist Agnes 2.5 Pro Alpha mit einem Intelligence-Index-Wert von 39.

Gemessen an der Ausgabegeschwindigkeit ist Agnes 2.5 Pro Alpha mit 133.8 Tokens pro Sekunde das schnellste Modell von Agnes (NG).

Das Modell von Agnes (NG) mit der kürzesten Zeit bis zum ersten Antworttoken ist Agnes 2.5 Pro Alpha mit 17.67 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.

Gemessen am Mischpreis ist Agnes 2.5 Pro Alpha mit $0.18 pro 1 Mio. Tokens (Verhältnis von Cache-Treffern, Eingabe und Ausgabe: 7:2:1) das günstigste Modell von Agnes (NG).

Ja, Agnes (NG) bietet eine OpenAI-kompatible API. Das erleichtert den Wechsel von OpenAI und die Verwendung bestehender Integrationen mit dem OpenAI SDK.

Ja, alle 1 Modelle von Agnes (NG) unterstützen den JSON-Modus für strukturierte Ausgaben.

Ja, alle 1 Modelle von Agnes (NG) unterstützen Funktionsaufrufe (Tool-Nutzung).

Ja, Agnes (NG) bietet 1 Reasoning-Modell an: Agnes 2.5 Pro Alpha. Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.

Ja, die Leistung eines Anbieters kann sich aufgrund von Infrastrukturänderungen, Lastverteilung und Aktualisierungen im Laufe der Zeit verändern. Wir benchmarken alle Anbieter fortlaufend und zeigen historische Leistungstrends in den Diagrammen „Im Zeitverlauf“ an.

Berücksichtigen Sie bei der Auswahl eines Modells von Agnes (NG) die Intelligenz für qualitätssensible Aufgaben, die Ausgabegeschwindigkeit für durchsatzintensive Aufgaben, die Latenz für interaktive Anwendungen mit schnellen ersten Antworten, die Preise für kostensensible Workloads sowie Funktionen wie die Größe des Kontextfensters, den JSON-Modus und die Unterstützung von Funktionsaufrufen.