FriendliAI: Intelligenz, Leistung und Preise der Modelle
Diese Analyse soll Sie bei der Auswahl des besten von FriendliAI angebotenen Modells für Ihren Anwendungsfall unterstützen.
Höchste Intelligenz
Updated
GLM-5.3 (max)GLM-5.3-FlashGLM-5.2 (max)GLM-5.1GLM-5.1 (Non-reasoning)Intelligence Index
Insgesamt 9 Modelle
Am schnellsten
GLM-5.3 (max)
MiniMax-M2.5GLM-5.2 (max)GLM-5.3-FlashGLM-5.1 (Non-reasoning)Ausgabegeschwindigkeit
Insgesamt 9 Modelle
Niedrigster Preis
GLM-5.3-Flash
Gemma 4 31BGemma 4 31B (Non-reasoning)MiniMax-M2.5
DeepSeek V3.2 (Non-reasoning)Mischpreis (pro 1 Mio. Tokens)
Insgesamt 9 Modelle
FriendliAI bietet 9 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), GLM-5.3-Flash (42) und GLM-5.2 (max) (34) die führenden Modelle von FriendliAI.
- Bei der Ausgabegeschwindigkeit sind GLM-5.3 (max) (225 t/s), MiniMax-M2.5 (174 t/s) und GLM-5.2 (max) (149 t/s) am schnellsten. Die Geschwindigkeit unterscheidet sich deutlich zwischen den Modellen; der Unterschied zwischen dem schnellsten und dem langsamsten beträgt 100 %.
- Bei der Latenz bieten GLM-5.1 (Non-reasoning) (0.85 s), DeepSeek V3.2 (Non-reasoning) (1.59 s) und Gemma 4 31B (Non-reasoning) (2.17 s) die kürzeste Zeit bis zum ersten Antworttoken.
- Beim Preis bieten GLM-5.3-Flash ($0.10), Gemma 4 31B ($0.17) und Gemma 4 31B (Non-reasoning) ($0.17) die niedrigsten Mischpreise pro 1 Mio. Tokens. Die Preise unterscheiden sich zwischen den Modellen bis zum 4.2-Fachen.
- Bei der Größe des Kontextfensters unterstützen GLM-5.3 (max) (1M), GLM-5.3-Flash (1M) und GLM-5.2 (max) (1M) die größten Kontextfenster von FriendliAI.
- GLM-5.3 (max) bietet die beste Kombination aus Intelligenz und Geschwindigkeit. Zur Kostenoptimierung bietet GLM-5.3-Flash die wettbewerbsfähigsten Preise.
Wichtigste Ergebnisse
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
Quantitative analysis on spreadsheets & documents
Instruction following
Agentic tool use
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-5.3 (max) | 1M | Offen | 45 | $2.01 | 225 | 1.09 | 12.22 | 8.91 | |||
GLM-5.3-Flash | 1M | Offen | 42 | $0.28 | 139 | 1.22 | 19.22 | 14.39 | |||
GLM-5.2 (max) | 1M | Offen | 34 | $0.87 | 149 | 0.75 | 17.51 | 13.41 | |||
GLM-5.1 | 203k | Offen | 26 | $0.75 | 115 | 0.83 | 38.02 | 32.86 | |||
GLM-5.1 (Non-reasoning) | 203k | Offen | 24* | -- | 113 | 0.84 | 5.28 | -- | |||
MiniMax-M2.5 | 197k | Offen | 23* | -- | 172 | 0.62 | 15.15 | 11.62 | |||
MiniMax-M2.1 | 197k | Offen | 21* | -- | -- | -- | -- | -- | |||
DeepSeek V3.2 (Non-reasoning) | 164k | Offen | 16* | -- | 56 | 1.59 | 10.54 | -- | |||
Gemma 4 31B | 256k | Offen | 15 | $0.10 | 97 | 2.03 | 25.03 | 17.86 | |||
Gemma 4 31B (Non-reasoning) | 262k | Offen | 14* | -- | 106 | 2.07 | 6.79 | -- | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu FriendliAI
FriendliAI bietet 9 von uns erfasste Modelle an: GLM-5.3 (max), GLM-5.3-Flash, GLM-5.2 (max), GLM-5.1, GLM-5.1 (Non-reasoning), MiniMax-M2.5, DeepSeek V3.2 (Non-reasoning), Gemma 4 31B und Gemma 4 31B (Non-reasoning).
Das intelligenteste bei FriendliAI verfügbare Modell ist GLM-5.3 (max) mit einem Intelligence-Index-Wert von 45.
Gemessen an der Ausgabegeschwindigkeit ist GLM-5.3 (max) mit 224.6 Tokens pro Sekunde das schnellste Modell von FriendliAI.
Das Modell von FriendliAI mit der kürzesten Zeit bis zum ersten Antworttoken ist GLM-5.1 (Non-reasoning) mit 0.85 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.
Gemessen am Mischpreis ist GLM-5.3-Flash mit $0.10 pro 1 Mio. Tokens (Verhältnis von Cache-Treffern, Eingabe und Ausgabe: 7:2:1) das günstigste Modell von FriendliAI.
Die Preise der Modelle von FriendliAI unterscheiden sich bis zum 9-Fachen: von $0.10 pro 1 Mio. Tokens für GLM-5.3-Flash bis $0.90 pro 1 Mio. Tokens für GLM-5.1 (Non-reasoning).
Ja, FriendliAI bietet eine OpenAI-kompatible API. Das erleichtert den Wechsel von OpenAI und die Verwendung bestehender Integrationen mit dem OpenAI SDK.
Ja, alle 9 Modelle von FriendliAI unterstützen den JSON-Modus für strukturierte Ausgaben.
Ja, alle 9 Modelle von FriendliAI unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, FriendliAI bietet 6 Reasoning-Modelle an: GLM-5.3 (max), GLM-5.3-Flash, GLM-5.2 (max), GLM-5.1, MiniMax-M2.5 und Gemma 4 31B. Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, alle 9 Modelle von FriendliAI 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 FriendliAI 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.