Novita: Intelligenz, Leistung und Preise der Modelle
Analyse der Modelle von Novita anhand zentraler Metriken wie Qualität, Preis, Ausgabegeschwindigkeit, Latenz, Kontextfenster und mehr. Diese Analyse soll Sie bei der Auswahl des besten von Novita angebotenen Modells für Ihren Anwendungsfall unterstützen.
Höchste Intelligenz
Intelligence Index
Insgesamt 85 Modelle
Am schnellsten
Ausgabegeschwindigkeit
Insgesamt 85 Modelle
Niedrigster Preis
Mischpreis (pro 1 Mio. Tokens)
Insgesamt 85 Modelle
Novita bietet 85 Modelle mit jeweils unterschiedlichen Merkmalen bei Intelligenz, Leistung und Preis an. Nachfolgend werden die wichtigsten Metriken der Modelle verglichen.
- Bei der Intelligenz sind GLM-5.2 (max) (FP8) (51), MiniMax-M3 (44) und DeepSeek V4 Pro (max) (44) die führenden Modelle von Novita.
- Bei der Ausgabegeschwindigkeit sind NVIDIA Nemotron 3 Nano (FP4) (277 t/s), NVIDIA Nemotron 3 Nano (FP4) (245 t/s) und Qwen3 Next 80B A3B (183 t/s) am schnellsten. Die Geschwindigkeit unterscheidet sich deutlich zwischen den Modellen; der Unterschied zwischen dem schnellsten und dem langsamsten beträgt 65 %.
- Bei der Latenz bieten Llama 4 Scout (0.84 s), Llama 3.1 8B (0.87 s) und Llama 4 Maverick (FP8) (0.93 s) die kürzeste Zeit bis zum ersten Antworttoken.
- Beim Preis bieten Llama 3.1 8B ($0.02), gpt-oss-20b (high) ($0.05) und gpt-oss-20b (low) ($0.05) die niedrigsten Mischpreise pro 1 Mio. Tokens. Die Preise unterscheiden sich zwischen den Modellen bis zum 2.8-Fachen.
- Bei der Größe des Kontextfensters unterstützen GLM-5.2 (max) (FP8) (1M), DeepSeek V4 Pro (max) (1M) und DeepSeek V4 Pro (high) (1M) die größten Kontextfenster von Novita.
Wichtigste Ergebnisse
Intelligenzevaluationen
Artificial Analysis Intelligence Index
Intelligence Evaluations
Agentic real-world work tasks, (Elo-500)/2000
Agentic tool use
Agentic coding & terminal use
Coding
Reasoning & knowledge
Scientific reasoning
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Agentic knowledge work, Elo
Agentic SaaS workflows
Legal agentic work, criterion pass rate
Agentic business operations
Instruction following
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-5.2 (max) (FP8) | 1.05M | Offen | 51 | $0.42 | 43 | 2.20 | 60.62 | 46.74 | |||
MiniMax-M3 | 1M | Offen | 44 | $0.13 | 110 | 1.31 | 24.10 | 18.23 | |||
DeepSeek V4 Pro (max) | 1.05M | Offen | 44 | $0.23 | 65 | 1.71 | 76.79 | 67.38 | |||
Kimi K2.6 | 262k | Offen | 44 | $0.33 | 51 | 1.64 | 97.95 | 86.58 | |||
DeepSeek V4 Pro (high) | 1.05M | Offen | 43 | $0.20 | 60 | 1.91 | 43.15 | 32.97 | |||
 MiMo-V2.5-Pro | 1.05M | Offen | 42 | $0.04 | 50 | 2.31 | 52.08 | 39.82 | |||
Kimi K2.7 Code | 262k | Offen | 42 | $0.22 | 42 | 3.48 | 67.80 | 52.53 | |||
 Hy3 | 262k | Offen | 41 | $0.04 | 64 | 2.78 | 41.92 | 31.32 | |||
DeepSeek V4 Flash (max) | 1.05M | Offen | 40 | $0.06 | 110 | 1.71 | 57.35 | 51.08 | |||
GLM-5.1 (FP8) | 205k | Offen | 40 | $0.30 | 50 | 2.24 | 87.21 | 75.07 | |||
GLM-5 FP8 | 203k | Offen | 40* | -- | 39 | 2.04 | 93.36 | 78.66 | |||
MiniMax-M2.7 (FP8) | 205k | Offen | 38 | $0.06 | 53 | 1.70 | 57.47 | 46.35 | |||
DeepSeek V4 Flash (high) | 1.05M | Offen | 37 | $0.04 | 110 | 1.69 | 17.55 | 11.30 | |||
MiMo-V2.5 | 1.05M | Offen | 37 | $0.01 | 73 | 2.01 | 36.43 | 27.54 | |||
Qwen3.6 27B | 262k | Offen | 37 | $0.29 | 58 | 3.03 | 110.04 | 98.35 | |||
Kimi K2.5 | 262k | Offen | 35 | $0.10 | 38 | 1.30 | 93.43 | 78.85 | |||
GLM-5.1 (FP8) | 205k | Offen | 35* | -- | 42 | 2.88 | 14.76 | -- | |||
Kimi K2.6 | 262k | Offen | 35* | -- | 43 | 2.00 | 13.72 | -- | |||
Qwen3.5 27B | 262k | Offen | 34* | -- | 51 | 5.71 | 54.30 | 38.87 | |||
GLM-4.7 | 205k | Offen | 34 | $0.35 | 35 | 3.60 | 75.48 | 57.50 | |||
 KAT-Coder-Pro V2 | 256k | Proprietär | 34 | -- | 108 | 1.87 | 6.50 | -- | |||
Qwen3.5 397B A17B | 262k | Offen | 34 | $0.36 | 68 | 1.72 | 55.59 | 46.56 | |||
MiniMax-M2.5 | 205k | Offen | 34* | -- | 94 | 1.74 | 28.43 | 21.35 | |||
Kimi K2 Thinking | 262k | Offen | 33* | -- | 37 | 1.66 | 68.37 | 53.36 | |||
GLM-5 (FP8) | 203k | Offen | 32* | -- | 39 | 1.98 | 14.65 | -- | |||
Qwen3.5 122B A10B | 262k | Offen | 32 | $0.26 | 107 | 1.87 | 25.28 | 18.73 | |||
DeepSeek V3.2 | 164k | Offen | 32 | $0.09 | 36 | 2.90 | 73.05 | 56.12 | |||
Qwen3.5 397B A17B | 262k | Offen | 32* | -- | 69 | 1.94 | 9.15 | -- | |||
Qwen3.6 35B A3B | 205k | Offen | 32 | $0.19 | 143 | 1.53 | 42.64 | 37.62 | |||
MiniMax-M2.1 | 205k | Offen | 31* | -- | 82 | 1.79 | 32.13 | 24.27 | |||
Qwen3.6 27B | 262k | Offen | 30 | $0.40 | 60 | 2.86 | 11.12 | -- | |||
DeepSeek V3.1 Terminus (FP8) | 131k | Offen | 30 | -- | 36 | 2.99 | 71.94 | 55.16 | |||
Kimi K2.5 | 262k | Offen | 29* | -- | 38 | 1.39 | 14.43 | -- | |||
 Gemma 4 31B | 262k | Offen | 29 | $0.04 | -- | -- | -- | -- | |||
Qwen3.5 35B A3B | 262k | Offen | 29* | -- | 138 | 1.62 | 19.77 | 14.52 | |||
GLM-4.6 | 205k | Offen | 29 | $0.30 | 56 | 2.63 | 47.54 | 35.92 | |||
MiniMax-M2 | 205k | Offen | 28* | -- | 83 | 2.09 | 32.38 | 24.23 | |||
MiMo-V2.5-Pro | 1.05M | Offen | 28* | -- | 50 | 2.05 | 12.08 | -- | |||
GLM-4.7 | 205k | Offen | 27* | -- | 36 | 3.58 | 17.44 | -- | |||
Gemma 4 26B A4B | 262k | Offen | 26 | $0.04 | 35 | 2.37 | 74.64 | 57.82 | |||
DeepSeek V3.2 Exp (FP8) | 164k | Offen | 25* | -- | 35 | 2.48 | 73.25 | 56.62 | |||
DeepSeek V3.2 | 164k | Offen | 25* | -- | 38 | 2.56 | 15.85 | -- | |||
Qwen3.6 35B A3B | 205k | Offen | 24 | $0.42 | 168 | 1.46 | 4.43 | -- | |||
Qwen3 Max | 262k | Proprietär | 24* | -- | 37 | 3.17 | 16.73 | -- | |||
gpt-oss-120b (high) | 131k | Offen | 24 | $0.03 | 89 | 1.05 | 29.05 | 22.39 | |||
Kimi K2 0905 | 262k | Offen | 24* | -- | 37 | 1.35 | 14.76 | -- | |||
GLM-4.6 | 205k | Offen | 23* | -- | 59 | 2.63 | 11.10 | -- | |||
GLM-4.7-Flash | 200k | Offen | 23* | -- | 94 | 1.68 | 28.18 | 21.20 | |||
Gemma 4 31B | 262k | Offen | 22 | $0.04 | 24 | 1.53 | 22.33 | -- | |||
DeepSeek V3.1 Terminus (FP8) | 131k | Offen | 21* | -- | 34 | 2.80 | 17.32 | -- | |||
DeepSeek V3.2 Exp (FP8) | 164k | Offen | 21* | -- | 36 | 2.86 | 16.87 | -- | |||
Qwen3 Coder Next (FP8) | 262k | Offen | 21 | $0.20 | 168 | 2.76 | 5.74 | -- | |||
DeepSeek V3.1 | 164k | Offen | 21* | -- | 35 | 2.90 | 17.39 | -- | |||
DeepSeek V3.1 | 131k | Offen | 21* | -- | 35 | 2.80 | 74.08 | 57.02 | |||
Qwen3 VL 235B A22B | 131k | Offen | 21* | -- | 48 | 2.42 | 54.22 | 41.44 | |||
Gemma 4 26B A4B | 262k | Offen | 20* | -- | 37 | 2.96 | 16.64 | -- | |||
DeepSeek R1 0528 | 164k | Offen | 20* | -- | 25 | 1.22 | 102.37 | 80.92 | |||
Qwen3 235B A22B 2507 | 131k | Offen | 20 | $0.08 | 62 | 2.27 | 42.31 | 32.03 | |||
Kimi K2 | 131k | Offen | 19* | -- | 38 | 1.45 | 14.77 | -- | |||
DeepSeek R1 (Jan) Turbo | 64k | Offen | 19 | $0.13 | 23 | 1.27 | 126.34 | 103.10 | |||
DeepSeek R1 (Jan) | 64k | Offen | 19 | $0.57 | 22 | 1.25 | 133.03 | 108.64 | |||
Qwen3 235B 2507 | 131k | Offen | 18* | -- | 36 | 1.68 | 15.44 | -- | |||
Qwen3 Coder 480B | 262k | Offen | 18* | -- | 70 | 2.18 | 9.35 | -- | |||
MiniMax M1 80k | 1M | Offen | 18* | -- | 92 | 1.93 | 28.98 | 21.64 | |||
GLM-4.6V | 131k | Offen | 17* | -- | 67 | 4.65 | 41.79 | 29.72 | |||
GLM-4.7-Flash | 200k | Offen | 16* | -- | 95 | 2.18 | 7.42 | -- | |||
DeepSeek V3 0324 | 164k | Offen | 15 | $0.05 | 39 | 1.79 | 14.71 | -- | |||
gpt-oss-120b (low) | 131k | Offen | 15 | $0.01 | 80 | 1.13 | 32.43 | 25.04 | |||
gpt-oss-20b (high) | 131k | Offen | 15 | $0.02 | 62 | 1.08 | 41.39 | 32.25 | |||
gpt-oss-20b (low) | 131k | Offen | 14* | -- | 70 | 1.19 | 36.88 | 28.56 | |||
Qwen3 VL 235B A22B | 131k | Offen | 14* | -- | 37 | 2.15 | 15.82 | -- | |||
Llama 4 Maverick (FP8) | 1.05M | Offen | 14 | $0.04 | 45 | 0.93 | 11.94 | -- | |||
NVIDIA Nemotron 3 Nano (FP4) | 262k | Offen | 14 | $0.02 | 277 | 1.32 | 10.35 | 7.22 | |||
DeepSeek V3 (Dec) | 64k | Offen | 14 | $0.06 | 39 | 1.75 | 14.72 | -- | |||
DeepSeek V3 (Dec) Turbo | 64k | Offen | 14 | $0.03 | 39 | 1.75 | 14.58 | -- | |||
Ling 2.6 Flash | 262k | Offen | 14 | -- | 100 | 1.17 | 6.17 | -- | |||
Qwen3 Next 80B A3B | 131k | Offen | 14* | -- | 183 | 1.65 | 4.38 | -- | |||
GLM-4.6V | 131k | Offen | 11* | -- | 83 | 3.71 | 9.73 | -- | |||
Qwen3 235B (FP8) | 41k | Offen | 11* | -- | 28 | 1.26 | 19.18 | -- | |||
Llama 4 Scout | 131k | Offen | 10 | $0.01 | 54 | 0.84 | 10.13 | -- | |||
Qwen3 VL 30B A3B | 131k | Offen | 10* | -- | 84 | 1.55 | 7.48 | -- | |||
Llama 3.3 70B | 131k | Offen | 9 | $0.02 | -- | -- | -- | -- | |||
GLM-4.5V | 65.5k | Offen | 9* | -- | 80 | 1.78 | 33.01 | 24.98 | |||
Llama 3.1 8B | 16.4k | Offen | 8 | -- | 137 | 0.87 | 4.52 | -- | |||
Gemma 3 27B | 98.3k | Offen | 7 | $0.11 | 36 | 1.50 | 15.54 | -- | |||
NVIDIA Nemotron 3 Nano (FP4) | 262k | Offen | 7* | -- | 245 | 4.43 | 6.46 | -- | |||
GLM-4.5V | 65.5k | Offen | 7* | -- | 89 | 2.16 | 7.78 | -- | |||
Llama 3 70B | 8.19k | Offen | 3* | -- | -- | -- | -- | -- | |||
Llama 3 8B | 8.19k | Offen | 1* | -- | -- | -- | -- | -- | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu Novita
Novita bietet 85 von uns erfasste Modelle an: GLM-5.2 (max) (FP8), MiniMax-M3, DeepSeek V4 Pro (max), Kimi K2.6, DeepSeek V4 Pro (high), MiMo-V2.5-Pro, Kimi K2.7 Code, Hy3, DeepSeek V4 Flash (max), GLM-5.1 (FP8), GLM-5 FP8, MiniMax-M2.7 (FP8), DeepSeek V4 Flash (high), MiMo-V2.5, Qwen3.6 27B, Kimi K2.5, GLM-5.1 (FP8), Kimi K2.6, Qwen3.5 27B, GLM-4.7, KAT-Coder-Pro V2, Qwen3.5 397B A17B, MiniMax-M2.5, Kimi K2 Thinking, GLM-5 (FP8), Qwen3.5 122B A10B, DeepSeek V3.2, Qwen3.5 397B A17B, Qwen3.6 35B A3B, MiniMax-M2.1, Qwen3.6 27B, DeepSeek V3.1 Terminus (FP8), Kimi K2.5, Qwen3.5 35B A3B, GLM-4.6, MiniMax-M2, MiMo-V2.5-Pro, GLM-4.7, Gemma 4 26B A4B, DeepSeek V3.2 Exp (FP8), DeepSeek V3.2, Qwen3.6 35B A3B, Qwen3 Max, gpt-oss-120b (high), Kimi K2 0905, GLM-4.6, GLM-4.7-Flash, Gemma 4 31B, DeepSeek V3.1 Terminus (FP8), DeepSeek V3.2 Exp (FP8), Qwen3 Coder Next (FP8), DeepSeek V3.1, DeepSeek V3.1, Qwen3 VL 235B A22B, Gemma 4 26B A4B, DeepSeek R1 0528, Qwen3 235B A22B 2507, Kimi K2, DeepSeek R1 (Jan) Turbo, DeepSeek R1 (Jan), Qwen3 235B 2507, Qwen3 Coder 480B, MiniMax M1 80k, GLM-4.6V, GLM-4.7-Flash, DeepSeek V3 0324, gpt-oss-120b (low), gpt-oss-20b (high), gpt-oss-20b (low), Qwen3 VL 235B A22B, Llama 4 Maverick (FP8), NVIDIA Nemotron 3 Nano (FP4), DeepSeek V3 (Dec), DeepSeek V3 (Dec) Turbo, Ling 2.6 Flash, Qwen3 Next 80B A3B, GLM-4.6V, Qwen3 235B (FP8), Llama 4 Scout, Qwen3 VL 30B A3B, GLM-4.5V, Llama 3.1 8B, Gemma 3 27B, NVIDIA Nemotron 3 Nano (FP4) und GLM-4.5V.
Das intelligenteste bei Novita verfügbare Modell ist GLM-5.2 (max) (FP8) mit einem Intelligence-Index-Wert von 51.
Gemessen an der Ausgabegeschwindigkeit ist NVIDIA Nemotron 3 Nano (FP4) mit 276.9 Tokens pro Sekunde das schnellste Modell von Novita.
Das Modell von Novita mit der kürzesten Zeit bis zum ersten Antworttoken ist Llama 4 Scout mit 0.84 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.
Gemessen am Mischpreis ist Llama 3.1 8B mit $0.02 pro 1 Mio. Tokens (Verhältnis von Cache-Treffern, Eingabe und Ausgabe: 7:2:1) das günstigste Modell von Novita.
Die Preise der Modelle von Novita unterscheiden sich bis zum 174-Fachen: von $0.02 pro 1 Mio. Tokens für Llama 3.1 8B bis $4.00 pro 1 Mio. Tokens für DeepSeek R1 (Jan).
Ja, Novita bietet eine OpenAI-kompatible API. Das erleichtert den Wechsel von OpenAI und die Verwendung bestehender Integrationen mit dem OpenAI SDK.
82 von 85 Modellen von Novita unterstützen den JSON-Modus für strukturierte Ausgaben.
80 von 85 Modellen von Novita unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, Novita bietet 46 Reasoning-Modelle an: GLM-5.2 (max) (FP8), MiniMax-M3, DeepSeek V4 Pro (max), Kimi K2.6, DeepSeek V4 Pro (high), MiMo-V2.5-Pro, Kimi K2.7 Code, Hy3, DeepSeek V4 Flash (max), GLM-5.1 (FP8), GLM-5 FP8, MiniMax-M2.7 (FP8), DeepSeek V4 Flash (high), MiMo-V2.5, Qwen3.6 27B, Kimi K2.5, Qwen3.5 27B, GLM-4.7, Qwen3.5 397B A17B, MiniMax-M2.5, Kimi K2 Thinking, Qwen3.5 122B A10B, DeepSeek V3.2, Qwen3.6 35B A3B, MiniMax-M2.1, DeepSeek V3.1 Terminus (FP8), Qwen3.5 35B A3B, GLM-4.6, MiniMax-M2, Gemma 4 26B A4B, DeepSeek V3.2 Exp (FP8), gpt-oss-120b (high), GLM-4.7-Flash, DeepSeek V3.1, Qwen3 VL 235B A22B, DeepSeek R1 0528, Qwen3 235B A22B 2507, DeepSeek R1 (Jan) Turbo, DeepSeek R1 (Jan), MiniMax M1 80k, GLM-4.6V, gpt-oss-120b (low), gpt-oss-20b (high), gpt-oss-20b (low), NVIDIA Nemotron 3 Nano (FP4) und GLM-4.5V. Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, 83 von 85 Modellen von Novita haben offene Gewichte: GLM-5.2 (max) (FP8), MiniMax-M3, DeepSeek V4 Pro (max), Kimi K2.6, DeepSeek V4 Pro (high), MiMo-V2.5-Pro, Kimi K2.7 Code, Hy3, DeepSeek V4 Flash (max), GLM-5.1 (FP8), GLM-5 FP8, MiniMax-M2.7 (FP8), DeepSeek V4 Flash (high), MiMo-V2.5, Qwen3.6 27B, Kimi K2.5, GLM-5.1 (FP8), Kimi K2.6, Qwen3.5 27B, GLM-4.7, Qwen3.5 397B A17B, MiniMax-M2.5, Kimi K2 Thinking, GLM-5 (FP8), Qwen3.5 122B A10B, DeepSeek V3.2, Qwen3.5 397B A17B, Qwen3.6 35B A3B, MiniMax-M2.1, Qwen3.6 27B, DeepSeek V3.1 Terminus (FP8), Kimi K2.5, Qwen3.5 35B A3B, GLM-4.6, MiniMax-M2, MiMo-V2.5-Pro, GLM-4.7, Gemma 4 26B A4B, DeepSeek V3.2 Exp (FP8), DeepSeek V3.2, Qwen3.6 35B A3B, gpt-oss-120b (high), Kimi K2 0905, GLM-4.6, GLM-4.7-Flash, Gemma 4 31B, DeepSeek V3.1 Terminus (FP8), DeepSeek V3.2 Exp (FP8), Qwen3 Coder Next (FP8), DeepSeek V3.1, DeepSeek V3.1, Qwen3 VL 235B A22B, Gemma 4 26B A4B, DeepSeek R1 0528, Qwen3 235B A22B 2507, Kimi K2, DeepSeek R1 (Jan) Turbo, DeepSeek R1 (Jan), Qwen3 235B 2507, Qwen3 Coder 480B, MiniMax M1 80k, GLM-4.6V, GLM-4.7-Flash, DeepSeek V3 0324, gpt-oss-120b (low), gpt-oss-20b (high), gpt-oss-20b (low), Qwen3 VL 235B A22B, Llama 4 Maverick (FP8), NVIDIA Nemotron 3 Nano (FP4), DeepSeek V3 (Dec), DeepSeek V3 (Dec) Turbo, Ling 2.6 Flash, Qwen3 Next 80B A3B, GLM-4.6V, Qwen3 235B (FP8), Llama 4 Scout, Qwen3 VL 30B A3B, GLM-4.5V, Llama 3.1 8B, Gemma 3 27B, NVIDIA Nemotron 3 Nano (FP4) und GLM-4.5V.
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 Novita 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.