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
GLM-5.3 (max)GLM-5.3-Flash
Gemma 4 31BIntelligence Index
Insgesamt 7 Modelle
Kürzeste Zeit pro Aufgabe
GLM-5.3-FlashGLM-5.3 (max)Zeit pro Aufgabe des Intelligence Index (Minuten)
Insgesamt 7 Modelle
Niedrigster Preis
GLM-5.3-FlashGemma 4 31BGemma 4 31B (non-reasoning)GLM-5.3 (max)GLM-5.1Mischpreis (pro 1 Mio. Tokens)
Insgesamt 7 Modelle
FriendliAI bietet 7 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) (32), GLM-5.3-Flash (28) und Gemma 4 31B (4) die führenden Modelle von FriendliAI.
- Bei der Zeit pro Aufgabe erledigen GLM-5.3-Flash (14.8 Min.) und GLM-5.3 (max) (17.0 Min.) eine Aufgabe des Intelligence Index auf FriendliAI am schnellsten.
- Bei der Latenz bieten Gemma 4 31B (non-reasoning) (3.13 s), GLM-5.1 (non-reasoning) (10.21 s) und Gemma 4 31B (11.67 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 9.0-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-Flash bietet sowohl die kürzeste Zeit pro Aufgabe als auch die besten Preise und ist damit attraktiv für zeit- und kostensensible Anwendungen. GLM-5.3 (max) führt bei der Intelligenz für Aufgaben, die höchste Qualität erfordern.
Intelligenz
Artificial Analysis Intelligence Index
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Physics reasoning
Quantitative analysis on spreadsheets & documents
Legal agentic work, Hallucination-Gated All-Pass Rate
Agentic business operations
Agentic real-world work tasks, Elo
Agentic interactive 3D experiences, Elo
Product and brand videos designed in code, 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
Preise
Kosten pro Aufgabe des Intelligence Index
Intelligence Index vs. Preis
Geschwindigkeit
Durchschnitt der gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen
Zeit pro Aufgabe des Intelligence Index
Qualität
Endpoint Accuracy Index
Latenz
Durchschnitt der gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen
Zeit bis zum ersten Antworttoken
Zuverlässigkeit
Anteil der fehlgeschlagenen Anfragen des Endpunkts über alle gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen
Endpunkt-Fehlerrate
Caching
Cache-Trefferquote
Kosten pro Aufgabe vs. Cache-Trefferquote
Weitere Analyse | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
GLM-5.3 (max) | 32 | $4.53 | 18.5 | 60.78 | 8.4% | 1M | Offen | |||
GLM-5.3-Flash | 28 | $0.89 | 14.0 | 28.45 | 2.1% | 1M | Offen | |||
Gemma 4 31B | 4 | -- | -- | 9.84 | 0.0% | 256k | Offen | |||
 MiniMax-M2.1 | -- | -- | -- | -- | -- | 197k | Offen | |||
GLM-5.1 | -- | -- | -- | 21.24 | 2.8% | 203k | Offen | |||
GLM-5.1 (non-reasoning) | -- | -- | -- | 7.22 | 10.3% | 203k | Offen | |||
Gemma 4 31B (non-reasoning) | -- | -- | -- | 3.19 | 0.6% | 262k | Offen | |||
GLM-5.2 (max) | -- | -- | -- | 21.99 | 0.0% | 1M | Offen | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu FriendliAI
FriendliAI bietet 7 von uns erfasste Modelle an: GLM-5.3 (max), GLM-5.3-Flash, Gemma 4 31B, GLM-5.1, GLM-5.1 (non-reasoning), Gemma 4 31B (non-reasoning) und GLM-5.2 (max).
Das intelligenteste bei FriendliAI verfügbare Modell ist GLM-5.3 (max) mit einem Wert von 32 im Intelligence Index.
Das Modell von FriendliAI mit der kürzesten Zeit pro Aufgabe ist GLM-5.3-Flash mit 14.8 Minuten pro Aufgabe des Intelligence Index. Die Zeit pro Aufgabe ergibt sich aus den Ausgabetokens pro Aufgabe geteilt durch die Ende-zu-Ende-Ausgabegeschwindigkeit; ein niedrigerer Wert bedeutet, dass eine Aufgabe schneller abgeschlossen wird.
Das Modell von FriendliAI mit der kürzesten Zeit bis zum ersten Antworttoken ist Gemma 4 31B (non-reasoning) mit 3.13 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 9.0-Fachen: von $0.10 pro 1 Mio. Tokens für GLM-5.3-Flash bis $0.90 pro 1 Mio. Tokens für GLM-5.2 (max).
Ja, FriendliAI bietet eine OpenAI-kompatible API. Das erleichtert den Wechsel von OpenAI und die Verwendung bestehender Integrationen mit dem OpenAI SDK.
Ja, alle 7 Modelle von FriendliAI unterstützen den JSON-Modus für strukturierte Ausgaben.
Ja, alle 7 Modelle von FriendliAI unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, FriendliAI bietet 5 Reasoning-Modelle an: GLM-5.3 (max), GLM-5.3-Flash, Gemma 4 31B, GLM-5.1 und GLM-5.2 (max). Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, alle 7 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 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.