CoreWeave: Intelligenz, Leistung und Preise der Modelle
Diese Analyse soll Sie bei der Auswahl des besten von CoreWeave angebotenen Modells für Ihren Anwendungsfall unterstützen.
Höchste Intelligenz
Updated
GLM-5.3-Flash
DeepSeek V4.1 Flash (max)DeepSeek V4 Flash 0731 (max)GLM-5.2 (max)
Qwen3.8 27B (xhigh) (FP8)Intelligence Index
Insgesamt 28 Modelle
Am schnellsten
Nemotron 3.5 Lightning (BF16)Nemotron 3 Ultra
Kimi K2.7 CodeDeepSeek V4.1 Flash (non-reasoning)GLM-5.2 (max)Ausgabegeschwindigkeit
Insgesamt 28 Modelle
Niedrigster Preis
gpt-oss-20b (low)gpt-oss-20b (high)gpt-oss-120b (high)gpt-oss-120b (low)
Granite 4.2 8BMischpreis (pro 1 Mio. Tokens)
Insgesamt 28 Modelle
CoreWeave bietet 28 Modelle mit jeweils unterschiedlichen Merkmalen bei Intelligenz, Leistung und Preis an. Nachfolgend werden die wichtigsten Metriken der Modelle verglichen.
- Bei der Intelligenz sind GLM-5.3-Flash (42), DeepSeek V4.1 Flash (max) (39) und DeepSeek V4 Flash 0731 (max) (34) die führenden Modelle von CoreWeave.
- Bei der Ausgabegeschwindigkeit sind Nemotron 3.5 Lightning (BF16) (375 t/s), Nemotron 3 Ultra (321 t/s) und Kimi K2.7 Code (288 t/s) am schnellsten. Die Geschwindigkeit unterscheidet sich deutlich zwischen den Modellen; der Unterschied zwischen dem schnellsten und dem langsamsten beträgt 58 %.
- Bei der Latenz bieten Gemma 4 26B A4B (non-reasoning) (0.56 s), Llama 3.1 8B (0.66 s) und Llama 3.3 70B (0.85 s) die kürzeste Zeit bis zum ersten Antworttoken.
- Beim Preis bieten gpt-oss-20b (low) ($0.04), gpt-oss-20b (high) ($0.04) und gpt-oss-120b (high) ($0.04) die niedrigsten Mischpreise pro 1 Mio. Tokens.
- Bei der Größe des Kontextfensters unterstützen GLM-5.3-Flash (1M), DeepSeek V4.1 Flash (max) (1M) und DeepSeek V4 Pro (max) (1M) die größten Kontextfenster von CoreWeave.
Intelligenzevaluationen
Artificial Analysis Intelligence Index
Intelligence Evaluations
Agentic knowledge work, (Elo-500)/2000
Agentic real-world work tasks, (Elo-500)/2000
Agentic SaaS workflows
Agentic coding & terminal use
Coding
Reasoning & knowledge
Professional document reasoning, All-pass
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Legal agentic work, criterion pass rate
Agentic business operations
Agentic scientific research workflows in a terminal
Quantitative analysis on spreadsheets & documents
Kubernetes incident root-cause analysis
Visual reasoning
Medical long context reasoning
Intelligence Index vs. Preis
Kontextfenster
Kontextfenster
Preise
Intelligence Index vs. Preis
Leistungsübersicht
Ausgabegeschwindigkeit vs. Preis
Geschwindigkeit
Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)
Ausgabegeschwindigkeit
Latenz
Gemessen anhand der Zeit (Sekunden) bis zum ersten Token
Latenz: Zeit bis zum ersten Antworttoken
Cache-Verhalten
Cache-Trefferquote
Kosten pro Aufgabe vs. Cache-Trefferquote
Ende-zu-Ende-Antwortzeit
Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed
Ende-zu-Ende-Antwortzeit vs. Preis
Weitere Analyse | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
GLM-5.3-Flash | 1M | Offen | 42 | $0.65 | 180 | 1.56 | 15.43 | 11.09 | |||
DeepSeek V4.1 Flash (max) | 1M | Offen | 39 | $1.03 | 228 | 0.92 | 11.89 | 8.78 | |||
DeepSeek V4 Flash 0731 (max) | 262k | Offen | 34 | $0.44 | 127 | 1.59 | 21.32 | 15.78 | |||
GLM-5.2 (max) | 262k | Offen | 34 | $0.70 | 237 | 1.10 | 11.63 | 8.42 | |||
Qwen3.8 27B (xhigh) (FP8) | 262k | Offen | 34 | $0.92 | 62 | 1.63 | 41.71 | 32.06 | |||
DeepSeek V4 Pro (max) | 1M | Offen | 30 | $2.00 | 151 | 1.19 | 33.46 | 28.96 | |||
 MiniMax-M3 (NVFP4) | 262k | Offen | 29 | -- | 83 | 1.33 | 31.38 | 24.04 | |||
GLM-5 (FP8) | 200k | Offen | 28* | -- | -- | -- | -- | -- | |||
Kimi K2.6 | 262k | Offen | 27 | $1.11 | 205 | 1.04 | 25.20 | 21.72 | |||
Kimi K2.7 Code | 262k | Offen | 26 | $0.83 | 286 | 0.94 | 10.48 | 7.79 | |||
DeepSeek V4.1 Flash (non-reasoning) | 1M | Offen | 25 | $0.70 | 253 | 0.86 | 2.84 | -- | |||
Kimi K2.6 (non-reasoning) | 262k | Offen | 24* | -- | 173 | 1.04 | 3.93 | -- | |||
Nemotron 3 Ultra | 262k | Offen | 23 | $0.51 | 290 | 0.92 | 10.48 | 7.84 | |||
DeepSeek V4 Pro (non-reasoning) | 1M | Offen | 21* | -- | 162 | 1.24 | 4.32 | -- | |||
Qwen3.6 35B A3B (FP8) | 262k | Offen | 18 | $0.31 | 172 | 0.98 | 35.27 | 31.38 | |||
 Gemma 4 26B A4B | 262k | Offen | 17* | -- | 92 | 0.59 | 27.67 | 21.66 | |||
Qwen3.6 35B A3B (non-reasoning) (FP8) | 262k | Offen | 15* | -- | 177 | 0.98 | 3.81 | -- | |||
Gemma 4 31B | 262k | Offen | 15 | $0.07 | 48 | 1.88 | 48.06 | 35.85 | |||
Gemma 4 31B (non-reasoning) | 262k | Offen | 14* | -- | 58 | 1.92 | 10.54 | -- | |||
DeepSeek V3.1 (non-reasoning) | 128k | Offen | 14* | -- | 69 | 1.27 | 8.49 | -- | |||
Gemma 4 26B A4B (non-reasoning) | 262k | Offen | 13* | -- | 95 | 0.55 | 5.80 | -- | |||
Nemotron 3.5 Lightning (BF16) | 262k | Offen | 13 | $0.10 | 375 | 0.56 | 7.23 | 5.33 | |||
gpt-oss-120b (high) | 131k | Offen | 12 | $0.02 | 41 | 1.18 | 62.03 | 48.68 | |||
Granite 4.2 8B | 131k | Offen | 11 | $0.05 | 102 | 0.72 | 25.33 | 19.68 | |||
gpt-oss-120b (low) | 131k | Offen | 10* | -- | 39 | 1.23 | 64.68 | 50.76 | |||
gpt-oss-20b (low) | 131k | Offen | 10* | -- | 205 | 0.54 | 12.73 | 9.76 | |||
gpt-oss-20b (high) | 131k | Offen | 9 | $0.01 | 197 | 0.55 | 13.25 | 10.16 | |||
 Llama 3.3 70B | 128k | Offen | 8* | -- | 82 | 0.84 | 6.91 | -- | |||
Llama 3.1 8B | 128k | Offen | 7* | -- | 141 | 0.66 | 4.21 | -- | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu CoreWeave
CoreWeave bietet 28 von uns erfasste Modelle an: GLM-5.3-Flash, DeepSeek V4.1 Flash (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max), Qwen3.8 27B (xhigh) (FP8), DeepSeek V4 Pro (max), MiniMax-M3 (NVFP4), Kimi K2.6, Kimi K2.7 Code, DeepSeek V4.1 Flash (non-reasoning), Kimi K2.6 (non-reasoning), Nemotron 3 Ultra, DeepSeek V4 Pro (non-reasoning), Qwen3.6 35B A3B (FP8), Gemma 4 26B A4B, Qwen3.6 35B A3B (non-reasoning) (FP8), Gemma 4 31B, Gemma 4 31B (non-reasoning), DeepSeek V3.1 (non-reasoning), Gemma 4 26B A4B (non-reasoning), Nemotron 3.5 Lightning (BF16), gpt-oss-120b (high), Granite 4.2 8B, gpt-oss-120b (low), gpt-oss-20b (low), gpt-oss-20b (high), Llama 3.3 70B und Llama 3.1 8B.
Das intelligenteste bei CoreWeave verfügbare Modell ist GLM-5.3-Flash mit einem Intelligence-Index-Wert von 42.
Gemessen an der Ausgabegeschwindigkeit ist Nemotron 3.5 Lightning (BF16) mit 375.0 Tokens pro Sekunde das schnellste Modell von CoreWeave.
Das Modell von CoreWeave mit der kürzesten Zeit bis zum ersten Antworttoken ist Gemma 4 26B A4B (non-reasoning) mit 0.56 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.
Gemessen am Mischpreis ist gpt-oss-20b (low) 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 18-Fachen: von $0.04 pro 1 Mio. Tokens für gpt-oss-20b (low) bis $0.71 pro 1 Mio. Tokens für Llama 3.3 70B.
Ja, CoreWeave bietet eine OpenAI-kompatible API. Das erleichtert den Wechsel von OpenAI und die Verwendung bestehender Integrationen mit dem OpenAI SDK.
Ja, alle 28 Modelle von CoreWeave unterstützen den JSON-Modus für strukturierte Ausgaben.
Ja, alle 28 Modelle von CoreWeave unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, CoreWeave bietet 19 Reasoning-Modelle an: GLM-5.3-Flash, DeepSeek V4.1 Flash (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max), Qwen3.8 27B (xhigh) (FP8), DeepSeek V4 Pro (max), MiniMax-M3 (NVFP4), Kimi K2.6, Kimi K2.7 Code, Nemotron 3 Ultra, Qwen3.6 35B A3B (FP8), Gemma 4 26B A4B, Gemma 4 31B, Nemotron 3.5 Lightning (BF16), gpt-oss-120b (high), Granite 4.2 8B, gpt-oss-120b (low), gpt-oss-20b (low) und gpt-oss-20b (high). Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, alle 28 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.