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-FlashGLM-5.2 (max)GLM-5.1GLM-5.1 (non-reasoning)Intelligence Index
Insgesamt 8 Modelle
Am schnellsten
GLM-5.3-FlashGLM-5.2 (max)
Gemma 4 31B (non-reasoning)GLM-5.3 (max)Gemma 4 31BAusgabegeschwindigkeit
Insgesamt 8 Modelle
Niedrigster Preis
GLM-5.3-FlashGemma 4 31BGemma 4 31B (non-reasoning)
DeepSeek V3.2 (non-reasoning)GLM-5.3 (max)Mischpreis (pro 1 Mio. Tokens)
Insgesamt 8 Modelle
FriendliAI bietet 8 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-Flash (246 t/s), GLM-5.2 (max) (178 t/s) und Gemma 4 31B (non-reasoning) (154 t/s) am schnellsten. Die Geschwindigkeit unterscheidet sich deutlich zwischen den Modellen; der Unterschied zwischen dem schnellsten und dem langsamsten beträgt 77 %.
- Bei der Latenz bieten Gemma 4 31B (non-reasoning) (0.72 s), GLM-5.1 (non-reasoning) (0.87 s) und DeepSeek V3.2 (non-reasoning) (2.54 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 8.0-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 schnellste Ausgabe als auch die besten Preise und ist damit attraktiv für durchsatz- und kostensensible Anwendungen. GLM-5.3 (max) führt bei der Intelligenz für Aufgaben, die höchste Qualität erfordern.
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 | $1.81 | 132 | 0.91 | 19.85 | 15.15 | |||
GLM-5.3-Flash | 1M | Offen | 42 | $0.51 | 318 | 0.60 | 8.46 | 6.29 | |||
GLM-5.2 (max) | 1M | Offen | 34 | $0.87 | 174 | 0.95 | 15.34 | 11.50 | |||
GLM-5.1 | 203k | Offen | 26 | $0.75 | 138 | 0.86 | 32.04 | 27.55 | |||
GLM-5.1 (non-reasoning) | 203k | Offen | 24* | -- | 126 | 0.85 | 4.81 | -- | |||
 MiniMax-M2.1 | 197k | Offen | 21* | -- | -- | -- | -- | -- | |||
DeepSeek V3.2 (non-reasoning) | 164k | Offen | 16* | -- | 56 | 5.17 | 14.10 | -- | |||
Gemma 4 31B | 256k | Offen | 15 | $0.10 | 124 | 0.83 | 18.87 | 14.00 | |||
Gemma 4 31B (non-reasoning) | 262k | Offen | 14* | -- | 140 | 0.77 | 4.33 | -- | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu FriendliAI
FriendliAI bietet 8 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), 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 Wert von 45 im Intelligence Index.
Gemessen an der Ausgabegeschwindigkeit ist GLM-5.3-Flash mit 246.1 Tokens pro Sekunde das schnellste Modell von FriendliAI.
Das Modell von FriendliAI mit der kürzesten Zeit bis zum ersten Antworttoken ist Gemma 4 31B (non-reasoning) mit 0.72 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 8 Modelle von FriendliAI unterstützen den JSON-Modus für strukturierte Ausgaben.
Ja, alle 8 Modelle von FriendliAI unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, FriendliAI bietet 5 Reasoning-Modelle an: GLM-5.3 (max), GLM-5.3-Flash, GLM-5.2 (max), GLM-5.1 und Gemma 4 31B. Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, alle 8 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.