Multiverse Computing: Intelligenz, Leistung und Preise der Modelle
Diese Analyse soll Sie bei der Auswahl des besten von Multiverse Computing angebotenen Modells für Ihren Anwendungsfall unterstützen.
Höchste Intelligenz
Updated
GLM-5.3 (max)GLM-5.2 (max)
Qwen3.8 27B (xhigh)Qwen3.8 27B (medium)Quasar 438B (max)Intelligence Index
Insgesamt 9 Modelle
Am schnellsten
HyperNova 60B 2605 (high)Qwen3.8 27BQwen3.8 27B (low)Qwen3.8 27B (xhigh)Qwen3.8 27B (medium)Ausgabegeschwindigkeit
Insgesamt 9 Modelle
Niedrigster Preis
HyperNova 60B 2605 (high)
Mistral Small 3.1Qwen3.8 27B (xhigh)Qwen3.8 27B (medium)Qwen3.8 27B (low)Mischpreis (pro 1 Mio. Tokens)
Insgesamt 9 Modelle
Multiverse Computing 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-5.2 (max) (34) und Qwen3.8 27B (xhigh) (34) die führenden Modelle von Multiverse Computing.
- Bei der Ausgabegeschwindigkeit sind HyperNova 60B 2605 (high) (351 t/s), Qwen3.8 27B (223 t/s) und Qwen3.8 27B (low) (196 t/s) am schnellsten. Die Geschwindigkeit unterscheidet sich deutlich zwischen den Modellen; der Unterschied zwischen dem schnellsten und dem langsamsten beträgt 83 %.
- Bei der Latenz bieten Qwen3.8 27B (0.88 s), Mistral Small 3.1 (1.31 s) und HyperNova 60B 2605 (high) (6.34 s) die kürzeste Zeit bis zum ersten Antworttoken.
- Beim Preis bieten HyperNova 60B 2605 (high) ($0.05), Mistral Small 3.1 ($0.12) und Qwen3.8 27B (xhigh) ($0.56) die niedrigsten Mischpreise pro 1 Mio. Tokens. Die Preise unterscheiden sich zwischen den Modellen bis zum 11.2-Fachen.
- Bei der Größe des Kontextfensters unterstützen GLM-5.3 (max) (1M), GLM-5.2 (max) (1M) und Quasar 438B (max) (1M) die größten Kontextfenster von Multiverse Computing.
- HyperNova 60B 2605 (high) 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.
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 | $6.82 | 111 | 0.76 | 23.21 | 17.96 | |||
GLM-5.2 (max) | 1M | Offen | 39* | -- | 94 | 0.86 | 27.32 | 21.17 | |||
Qwen3.8 27B (xhigh) | 262k | Offen | 34 | $1.98 | 180 | 0.91 | 14.76 | 11.08 | |||
Qwen3.8 27B (medium) | 262k | Offen | 28 | $2.36 | 178 | 0.89 | 14.95 | 11.24 | |||
Quasar 438B (max) | 1M | Proprietär | 27 | $2.02 | 180 | 0.99 | 14.90 | 11.13 | |||
Qwen3.8 27B (low) | 262k | Offen | 26 | $2.19 | 175 | 0.94 | 15.25 | 11.45 | |||
Qwen3.8 27B | 262k | Offen | 22* | -- | 206 | 0.94 | 3.36 | -- | |||
HyperNova 60B 2605 (high) | 131k | Offen | 12* | -- | 361 | 0.60 | 7.53 | 5.55 | |||
Mistral Small 3.1 | 128k | Offen | 7 | $0.04 | 70 | 1.06 | 8.17 | -- | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu Multiverse Computing
Multiverse Computing bietet 9 von uns erfasste Modelle an: GLM-5.3 (max), GLM-5.2 (max), Qwen3.8 27B (xhigh), Qwen3.8 27B (medium), Quasar 438B (max), Qwen3.8 27B (low), Qwen3.8 27B, HyperNova 60B 2605 (high) und Mistral Small 3.1.
Das intelligenteste bei Multiverse Computing verfügbare Modell ist GLM-5.3 (max) mit einem Intelligence-Index-Wert von 45.
Gemessen an der Ausgabegeschwindigkeit ist HyperNova 60B 2605 (high) mit 351.2 Tokens pro Sekunde das schnellste Modell von Multiverse Computing.
Das Modell von Multiverse Computing mit der kürzesten Zeit bis zum ersten Antworttoken ist Qwen3.8 27B mit 0.88 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.
Gemessen am Mischpreis ist HyperNova 60B 2605 (high) mit $0.05 pro 1 Mio. Tokens (Verhältnis von Cache-Treffern, Eingabe und Ausgabe: 7:2:1) das günstigste Modell von Multiverse Computing.
Die Preise der Modelle von Multiverse Computing unterscheiden sich bis zum 27-Fachen: von $0.05 pro 1 Mio. Tokens für HyperNova 60B 2605 (high) bis $1.34 pro 1 Mio. Tokens für GLM-5.2 (max).
Ja, Multiverse Computing 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 Multiverse Computing unterstützen den JSON-Modus für strukturierte Ausgaben.
8 von 9 Modellen von Multiverse Computing unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, Multiverse Computing bietet 7 Reasoning-Modelle an: GLM-5.3 (max), GLM-5.2 (max), Qwen3.8 27B (xhigh), Qwen3.8 27B (medium), Quasar 438B (max), Qwen3.8 27B (low) und HyperNova 60B 2605 (high). Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, 8 von 9 Modellen von Multiverse Computing haben offene Gewichte: GLM-5.3 (max), GLM-5.2 (max), Qwen3.8 27B (xhigh), Qwen3.8 27B (medium), Qwen3.8 27B (low), Qwen3.8 27B, HyperNova 60B 2605 (high) und Mistral Small 3.1.
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 Multiverse Computing 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.