Databricks: Intelligenz, Leistung und Preise der Modelle
Diese Analyse soll Sie bei der Auswahl des besten von Databricks angebotenen Modells für Ihren Anwendungsfall unterstützen.
(te)
Höchste Intelligenz
GLM-5.3 (max)
Kimi K3 (max)GLM-5.3-Flash
DeepSeek V4.1 Flash (max)DeepSeek V4 Flash 0731 (max)Intelligence Index
Insgesamt 10 Modelle
Am schnellsten
GLM-5.2 (max)GLM-5.2 (non-reasoning)
Inkling (xhigh)GLM-5.3 (max)GLM-5.3-FlashAusgabegeschwindigkeit
Insgesamt 10 Modelle
Niedrigster Preis
DeepSeek V4 Flash 0731 (max)GLM-5.3-FlashDeepSeek V4.1 Flash (max)
Qwen3 Next 80B A3BInkling (xhigh)Mischpreis (pro 1 Mio. Tokens)
Insgesamt 10 Modelle
Databricks bietet 10 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 (max) (45), Kimi K3 (max) (44) und GLM-5.3-Flash (42) die führenden Modelle von Databricks.
- Bei der Ausgabegeschwindigkeit sind GLM-5.2 (max) (273 t/s), GLM-5.2 (non-reasoning) (252 t/s) und Inkling (xhigh) (220 t/s) am schnellsten. Die Geschwindigkeit unterscheidet sich deutlich zwischen den Modellen; der Unterschied zwischen dem schnellsten und dem langsamsten beträgt 91 %.
- Bei der Latenz bieten Qwen3 Next 80B A3B (0.78 s), GLM-5.2 (non-reasoning) (0.86 s) und GLM-5.2 (max) (8.18 s) die kürzeste Zeit bis zum ersten Antworttoken.
- Beim Preis bieten DeepSeek V4 Flash 0731 (max) ($0.08), GLM-5.3-Flash ($0.10) und DeepSeek V4.1 Flash (max) ($0.20) die niedrigsten Mischpreise pro 1 Mio. Tokens. Die Preise unterscheiden sich zwischen den Modellen bis zum 9.6-Fachen.
- Bei der Größe des Kontextfensters unterstützen DeepSeek V4 Flash 0731 (max) (1M), GLM-5.3 (max) (1M) und GLM-5.3-Flash (1M) die größten Kontextfenster von Databricks.
Intelligenzevaluationen
Artificial Analysis Intelligence Index
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic real-world work tasks, Elo
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Long context reasoning
Coding
Physics reasoning
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Quantitative analysis on spreadsheets & documents
Legal agentic work, Hallucination-Gated All-Pass Rate
Agentic business operations
Agentic interactive 3D experiences, Elo
Kubernetes incident root-cause analysis
Medical long context reasoning
Visual reasoning
Rich, varied, well-crafted language
Well-structured, scannable, answer-first
Truthful, acknowledges uncertainty, non-sycophantic
Use of filler and generic language
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 (max) | 1M | Offen | 45 | $2.73 | 158 | 0.85 | 16.64 | 12.64 | |||
Kimi K3 (max) | 205k | Offen | 44 | $1.85 | 112 | 0.98 | 23.20 | 17.78 | |||
GLM-5.3-Flash | 1M | Offen | 42 | $0.28 | 120 | 0.85 | 21.65 | 16.64 | |||
DeepSeek V4.1 Flash (max) | 1M | Offen | 39 | $0.49 | 88 | 1.39 | 29.68 | 22.63 | |||
DeepSeek V4 Flash 0731 (max) | 1.05M | Offen | 34 | $0.17 | 117 | 1.67 | 23.01 | 17.08 | |||
GLM-5.2 (max) | 1M | Offen | 34 | $0.87 | 208 | 0.84 | 12.86 | 9.61 | |||
Kimi K3 (low) | 1M | Offen | 30 | $0.88 | 100 | 0.93 | 25.91 | 19.98 | |||
Inkling (xhigh) | 1M | Offen | 25 | $0.61 | 235 | 1.23 | 11.89 | 8.52 | |||
GLM-5.2 (non-reasoning) | 1M | Offen | 22* | -- | 196 | 0.85 | 3.40 | -- | |||
Qwen3 Next 80B A3B | 262k | Offen | 10* | -- | 52 | 0.99 | 10.69 | -- | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu Databricks
Databricks bietet 10 von uns erfasste Modelle an: GLM-5.3 (max), Kimi K3 (max), GLM-5.3-Flash, DeepSeek V4.1 Flash (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max), Kimi K3 (low), Inkling (xhigh), GLM-5.2 (non-reasoning) und Qwen3 Next 80B A3B.
Das intelligenteste bei Databricks verfügbare Modell ist GLM-5.3 (max) mit einem Wert von 45 im Intelligence Index.
Gemessen an der Ausgabegeschwindigkeit ist GLM-5.2 (max) mit 273.2 Tokens pro Sekunde das schnellste Modell von Databricks.
Das Modell von Databricks mit der kürzesten Zeit bis zum ersten Antworttoken ist Qwen3 Next 80B A3B mit 0.78 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.
Gemessen am Mischpreis ist DeepSeek V4 Flash 0731 (max) mit $0.08 pro 1 Mio. Tokens (Verhältnis von Cache-Treffern, Eingabe und Ausgabe: 7:2:1) das günstigste Modell von Databricks.
Die Preise der Modelle von Databricks unterscheiden sich bis zum 31-Fachen: von $0.08 pro 1 Mio. Tokens für DeepSeek V4 Flash 0731 (max) bis $2.31 pro 1 Mio. Tokens für Kimi K3 (low).
Ja, Databricks bietet eine OpenAI-kompatible API. Das erleichtert den Wechsel von OpenAI und die Verwendung bestehender Integrationen mit dem OpenAI SDK.
9 von 10 Modellen von Databricks unterstützen den JSON-Modus für strukturierte Ausgaben.
Ja, alle 10 Modelle von Databricks unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, Databricks bietet 8 Reasoning-Modelle an: GLM-5.3 (max), Kimi K3 (max), GLM-5.3-Flash, DeepSeek V4.1 Flash (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max), Kimi K3 (low) und Inkling (xhigh). Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, alle 10 Modelle von Databricks 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 Databricks 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.