CoreWeave: Intelligenz, Leistung und Preise der Modelle
Analyse der Modelle von CoreWeave anhand zentraler Metriken wie Qualität, Preis, Ausgabegeschwindigkeit, Latenz, Kontextfenster und mehr. Diese Analyse soll Sie bei der Auswahl des besten von CoreWeave angebotenen Modells für Ihren Anwendungsfall unterstützen.
Höchste Intelligenz
Intelligence Index
Insgesamt 22 Modelle
Am schnellsten
Ausgabegeschwindigkeit
Insgesamt 22 Modelle
Niedrigster Preis
Mischpreis (pro 1 Mio. Tokens)
Insgesamt 22 Modelle
CoreWeave bietet 22 Modelle mit jeweils unterschiedlichen Merkmalen bei Intelligenz, Leistung und Preis an. Nachfolgend werden die wichtigsten Metriken der Modelle verglichen.
- Bei der Intelligenz sind GLM-5.2 (max) (51), MiniMax-M3 (44) und Kimi K2.6 (44) die führenden Modelle von CoreWeave.
- Bei der Ausgabegeschwindigkeit sind MiniMax-M3 (308 t/s), Kimi K2.7 Code (287 t/s) und Kimi K2.6 (267 t/s) am schnellsten.
- Bei der Latenz bieten Granite 4.1 8B (0.79 s), Llama 3.3 70B (0.90 s) und Qwen3 30B A3B 2507 (0.92 s) die kürzeste Zeit bis zum ersten Antworttoken.
- Beim Preis bieten gpt-oss-20b (high) ($0.04), gpt-oss-20b (low) ($0.04) und gpt-oss-120b (high) ($0.04) die niedrigsten Mischpreise pro 1 Mio. Tokens.
- Bei der Größe des Kontextfensters unterstützen DeepSeek V4 Flash (high) (1M), DeepSeek V4 Flash (1M) und GLM-5.2 (max) (262k) die größten Kontextfenster von CoreWeave.
Wichtigste Ergebnisse
Intelligenzevaluationen
Artificial Analysis Intelligence Index
Intelligence Evaluations
Agentic real-world work tasks, (Elo-500)/2000
Agentic tool use
Agentic coding & terminal use
Coding
Reasoning & knowledge
Scientific reasoning
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Agentic knowledge work, Elo
Agentic SaaS workflows
Legal agentic work, criterion pass rate
Agentic business operations
Instruction following
Long-horizon agentic tasks
Kubernetes incident root-cause analysis
Visual reasoning
Intelligence Index vs. Price
Kontextfenster
Context Window
Preise
Intelligence Index vs. Price
Leistungsübersicht
Output Speed vs. Price
Geschwindigkeit
Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)
Output Speed
Latenz
Gemessen anhand der Zeit (Sekunden) bis zum ersten Token
Latency: Time To First Answer Token
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
Weitere Analyse | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
GLM-5.2 (max) | 262k | Offen | 51 | $0.38 | 189 | 1.42 | 14.64 | 10.58 | |||
MiniMax-M3 | 262k | Offen | 44 | $0.11 | 308 | 1.12 | 9.24 | 6.50 | |||
Kimi K2.6 | 262k | Offen | 44 | -- | 267 | 1.17 | 19.72 | 16.68 | |||
Kimi K2.7 Code | 262k | Offen | 42 | $0.28 | 287 | 1.15 | 10.68 | 7.78 | |||
GLM-5.1 | 203k | Offen | 40 | $0.58 | 128 | 1.26 | 34.89 | 29.71 | |||
GLM-5 (FP8) | 200k | Offen | 40* | -- | -- | -- | -- | -- | |||
Nemotron 3 Ultra | 262k | Offen | 38 | $0.16 | 252 | 1.08 | 12.09 | 9.02 | |||
 DeepSeek V4 Flash (high) | 1M | Offen | 37 | $0.07 | 40 | 1.57 | 44.86 | 30.85 | |||
Kimi K2.6 | 262k | Offen | 35* | -- | 221 | 1.13 | 3.39 | -- | |||
MiniMax-M2.5 | 197k | Offen | 34* | -- | 82 | 1.10 | 31.71 | 24.49 | |||
 Gemma 4 31B | 262k | Offen | 29 | -- | 35 | 1.37 | 65.03 | 49.42 | |||
DeepSeek V4 Flash | 1M | Offen | 29* | -- | 59 | 1.53 | 9.97 | -- | |||
NVIDIA Nemotron 3 Super | 262k | Offen | 25 | $0.23 | 143 | 1.02 | 18.55 | 14.02 | |||
gpt-oss-120b (high) | 131k | Offen | 24 | $0.02 | 33 | 1.46 | 77.45 | 60.80 | |||
DeepSeek V3.1 | 128k | Offen | 21* | -- | 64 | 1.41 | 9.17 | -- | |||
 Qwen3 Coder 480B | 262k | Offen | 18* | -- | 67 | 1.21 | 8.62 | -- | |||
gpt-oss-120b (low) | 131k | Offen | 15 | $0.0042 | 37 | 1.41 | 68.33 | 53.54 | |||
gpt-oss-20b (high) | 131k | Offen | 15 | $0.01 | 121 | 0.89 | 21.49 | 16.48 | |||
gpt-oss-20b (low) | 131k | Offen | 14* | -- | 93 | 0.94 | 27.69 | 21.40 | |||
 Llama 3.3 70B | 128k | Offen | 9 | $0.11 | 77 | 0.90 | 7.38 | -- | |||
Qwen3 30B A3B 2507 | 262k | Offen | 9* | -- | 147 | 0.92 | 4.33 | -- | |||
Llama 3.1 8B | 128k | Offen | 8 | -- | 136 | 0.99 | 4.65 | -- | |||
Granite 4.1 8B | 131k | Offen | 7* | -- | 103 | 0.79 | 5.62 | -- | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu CoreWeave
CoreWeave bietet 22 von uns erfasste Modelle an: GLM-5.2 (max), MiniMax-M3, Kimi K2.6, Kimi K2.7 Code, GLM-5.1, Nemotron 3 Ultra, DeepSeek V4 Flash (high), Kimi K2.6, MiniMax-M2.5, Gemma 4 31B, DeepSeek V4 Flash, NVIDIA Nemotron 3 Super, gpt-oss-120b (high), DeepSeek V3.1, Qwen3 Coder 480B, gpt-oss-120b (low), gpt-oss-20b (high), gpt-oss-20b (low), Llama 3.3 70B, Qwen3 30B A3B 2507, Llama 3.1 8B und Granite 4.1 8B.
Das intelligenteste bei CoreWeave verfügbare Modell ist GLM-5.2 (max) mit einem Intelligence-Index-Wert von 51.
Gemessen an der Ausgabegeschwindigkeit ist MiniMax-M3 mit 307.6 Tokens pro Sekunde das schnellste Modell von CoreWeave.
Das Modell von CoreWeave mit der kürzesten Zeit bis zum ersten Antworttoken ist Granite 4.1 8B mit 0.79 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.
Gemessen am Mischpreis ist gpt-oss-20b (high) mit $0.04 pro 1 Mio. Tokens (Verhältnis von Cache-Treffern, Eingabe und Ausgabe: 7:2:1) das günstigste Modell von CoreWeave.
Die Preise der Modelle von CoreWeave unterscheiden sich bis zum 43-Fachen: von $0.04 pro 1 Mio. Tokens für gpt-oss-20b (high) bis $1.70 pro 1 Mio. Tokens für GLM-5.1.
Ja, CoreWeave bietet eine OpenAI-kompatible API. Das erleichtert den Wechsel von OpenAI und die Verwendung bestehender Integrationen mit dem OpenAI SDK.
Ja, alle 22 Modelle von CoreWeave unterstützen den JSON-Modus für strukturierte Ausgaben.
Ja, alle 22 Modelle von CoreWeave unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, CoreWeave bietet 14 Reasoning-Modelle an: GLM-5.2 (max), MiniMax-M3, Kimi K2.6, Kimi K2.7 Code, GLM-5.1, Nemotron 3 Ultra, DeepSeek V4 Flash (high), MiniMax-M2.5, Gemma 4 31B, NVIDIA Nemotron 3 Super, gpt-oss-120b (high), gpt-oss-120b (low), gpt-oss-20b (high) und gpt-oss-20b (low). Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, alle 22 Modelle von CoreWeave haben offene Gewichte.
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 CoreWeave 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.