Celeris: Intelligenz, Leistung und Preise der Modelle

Diese Analyse soll Sie bei der Auswahl des besten von Celeris angebotenen Modells für Ihren Anwendungsfall unterstützen.

Höchste Intelligenz

Intelligence Index

Insgesamt 1 Modell

Kürzeste Zeit pro Aufgabe

Zeit pro Aufgabe des Intelligence Index (Minuten)

Insgesamt 1 Modell

Niedrigster Preis

Celeris-1

$0.12

Mischpreis (pro 1 Mio. Tokens)

Insgesamt 1 Modell

Celeris bietet derzeit Celeris-1 an.

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

No data available

Zeit pro Aufgabe

Inference time (minutes) per Intelligence Index task · Lower is better

No data available

Preis

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

Intelligenz

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: 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), and Terminal-Bench-Science 0.1

No data available

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.

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

No data available

AA-Omniscience v1.1 Non-Hallucination Rate

1 - hallucination rate

No data available

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1

Agentic scientific research workflows in a terminal

No data available

FrontierCode-AA 2.0

Agentic software engineering in open-source repositories

No data available

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

No data available

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

No data available

Harvey LAB-AA v1.1

Legal agentic work, Hallucination-Gated All-Pass Rate

No data available

EnterpriseOps-Gym-AA

Agentic business operations

No data available

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

No data available

MLCR-AA

Medical long context reasoning

No data available

MMMU-Pro

Visual reasoning

No data available

AA-PersonalityBench: Expressiveness Score

Rich, varied, well-crafted language

No data available

AA-PersonalityBench: Organization Score

Well-structured, scannable, answer-first

No data available

AA-PersonalityBench: Transparency Score

Truthful, acknowledges uncertainty, non-sycophantic

No data available

AA-PersonalityBench: Slop Score

Use of filler and generic language

No data available

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

Intelligence Index vs. Preis

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)

Most attractive quadrant

No data available

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

Preise

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

No data available

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Intelligence Index vs. Preis

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)

Most attractive quadrant

No data available

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

Geschwindigkeit

Durchschnitt der gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen

Ausgabegeschwindigkeit

Ausgabetokens geteilt durch die gesamte Anfragezeit · Einschließlich Zeit bis zum ersten Token · Durchschnitt der gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen · Höher ist besser

Output tokens, including reasoning tokens, received per second over a request's full duration, from sending the request to receiving the final token. The headline value averages each Performance v3 workload over the past 5 days, then averages the workloads.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Qualität

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).

Latenz

Durchschnitt der gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen

Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antworttoken nach etwaigem Reasoning · Durchschnitt der gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen · Niedriger ist besser

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.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Zuverlässigkeit

Anteil der fehlgeschlagenen Anfragen des Endpunkts über alle gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen

Endpunkt-Fehlerrate

Anteil der Anfragen mit Fehler, Ratenlimit oder Zeitüberschreitung des Endpunkts · Über alle gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen · Niedriger ist besser

Share of requests over the past 5 days that the endpoint failed with an error, a rate limit or a timeout. Failures on our side are left out of both counts. Across several workloads, the failures and requests are pooled before dividing.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Caching

Cache-Trefferquote

Median über die Läufe agentischer Multi-Turn-Sitzungen in den letzten vier Wochen, aktualisiert am 26. Okt. 2026 · Höher ist besser

The share of cacheable input tokens served from the provider's prompt cache, measured during multi-turn agentic sessions. We regularly measure each endpoint and report a representative rate based on recent measurements. Higher values mean more of the input is billed at the cheaper cache-hit price, where the provider offers one, which lowers the effective cost of agentic workloads. For further details, see our methodology page.

Kosten pro Aufgabe vs. Cache-Trefferquote

Weighted average cost (USD) per Intelligence Index task · Cache hit rate: median of the last four weeks, updated Oct 26, 2026

Most attractive quadrant

No data available


										Weitere Analyse
Celeris-1	--	--	--	0.69	0.0%	131k			Proprietär	Modell Anbieter

Wichtige Definitionen

Average cost per task in the index. Costs are split by input, cache hit, cache write, reasoning, and answer token pricing where canonical token counts are available.

Häufig gestellte Fragen

Häufige Fragen zu Celeris

Celeris bietet 1 von uns erfasstes Modell an: Celeris-1.

Das Modell von Celeris mit der kürzesten Zeit bis zum ersten Antworttoken ist Celeris-1 mit 0.68 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.

Gemessen am Mischpreis ist Celeris-1 mit $0.12 pro 1 Mio. Tokens (Verhältnis von Cache-Treffern, Eingabe und Ausgabe: 7:2:1) das günstigste Modell von Celeris.

Ja, Celeris 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 Celeris unterstützen den JSON-Modus für strukturierte Ausgaben.

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

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 Celeris die Intelligenz für qualitätssensible Aufgaben, die Zeit pro Aufgabe, also wie schnell das Modell eine Aufgabe des Intelligence Index erledigt, 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.

Celeris: Intelligenz, Leistung und Preise der Modelle

Höchste Intelligenz

Kürzeste Zeit pro Aufgabe

Niedrigster Preis

Intelligenz

Zeit pro Aufgabe

Preis

Intelligenz

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Index vs. Preis

Price-Quality Variance

Preise

Kosten pro Aufgabe des Intelligence Index

Cost per Intelligence Index Task

Intelligence Index vs. Preis

Price-Quality Variance

Geschwindigkeit

Ausgabegeschwindigkeit

End-to-End Output Speed

Time Period

Qualität

Kontextfenster

Context Window for RAG

Context Window

Latenz

Zeit bis zum ersten Antworttoken

Time to First Answer Token

Time Period

Zuverlässigkeit

Endpunkt-Fehlerrate

Endpoint Error Rate

Time Period

Caching

Cache-Trefferquote

What Cache Hit Rate Shows

Kosten pro Aufgabe vs. Cache-Trefferquote

Cost per Intelligence Index Task

What Cache Hit Rate Shows

Wichtige Definitionen

Index Cost per Task

Häufig gestellte Fragen

Welche Modelle bietet Celeris an?

Welches Modell von Celeris hat die niedrigste Latenz?

Welches ist das günstigste Modell von Celeris?

Ist Celeris mit OpenAI kompatibel?

Unterstützt Celeris den JSON-Modus?

Unterstützt Celeris Funktionsaufrufe?

Verändert sich die Leistung von Celeris im Laufe der Zeit?

Wie wähle ich ein Modell von Celeris aus?