Novita: Intelligenz, Leistung und Preise der Modelle
Diese Analyse soll Sie bei der Auswahl des besten von Novita angebotenen Modells für Ihren Anwendungsfall unterstützen.
Höchste Intelligenz
DeepSeek V4.1 Flash 1017 (max)
GLM-5.3 (max)
MiniMax-M3.1-FlashGLM-5.3-FlashDeepSeek V4 Pro 0813 (max)Intelligence Index
Insgesamt 61 Modelle
Kürzeste Zeit pro Aufgabe
gpt-oss-120b (high)MiniMax-M3DeepSeek V4.1 Flash 1017 (max)GLM-5.3 (max)MiniMax-M3.1-FlashZeit pro Aufgabe des Intelligence Index (Minuten)
Insgesamt 61 Modelle
Niedrigster Preis
Llama 3.1 8BGLM-4.7-FlashGLM-4.7-Flash (non-reasoning)
Nemotron 3 Nano (non-reasoning) (FP4)Nemotron 3 Nano (FP4)Mischpreis (pro 1 Mio. Tokens)
Insgesamt 61 Modelle
Novita bietet 61 Modelle mit jeweils unterschiedlichen Merkmalen bei Intelligenz, Leistung und Preis an. Nachfolgend werden die wichtigsten Metriken der Modelle verglichen.
- Bei der Intelligenz sind DeepSeek V4.1 Flash 1017 (max) (33), GLM-5.3 (max) (32) und MiniMax-M3.1-Flash (29) die führenden Modelle von Novita.
- Bei der Zeit pro Aufgabe erledigen gpt-oss-120b (high) (7.9 Min.), MiniMax-M3 (14.9 Min.) und DeepSeek V4.1 Flash 1017 (max) (18.1 Min.) eine Aufgabe des Intelligence Index auf Novita am schnellsten. Die Zeit pro Aufgabe unterscheidet sich deutlich zwischen den Modellen; das langsamste benötigt 2.4-mal so lange wie das schnellste.
- Bei der Latenz bieten Gemma 3 27B (0.87 s), Llama 3.1 8B (1.45 s) und DeepSeek V3 (Dec) (1.53 s) die kürzeste Zeit bis zum ersten Antworttoken.
- Beim Preis bieten Llama 3.1 8B ($0.02), GLM-4.7-Flash ($0.06) und GLM-4.7-Flash (non-reasoning) ($0.06) 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 DeepSeek V4.1 Flash 1017 (max) (1M), GLM-5.3-Flash (1M) und DeepSeek V4 Pro 0813 (max) (1M) die größten Kontextfenster von Novita.
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 | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
DeepSeek V4.1 Flash 1017 (max) | 33 | $0.52 | 18.1 | 62.85 | 0.8% | 1M | Offen | |||
GLM-5.3 (max) | 32 | $5.00 | 18.3 | 61.74 | 0.0% | 1M | Offen | |||
MiniMax-M3.1-Flash | 29 | $0.43 | 18.9 | 71.06 | 0.9% | 1M | Offen | |||
GLM-5.3-Flash | 28 | $0.80 | 33.0 | 62.67 | 1.7% | 1M | Offen | |||
DeepSeek V4 Pro 0813 (max) | 23 | $1.86 | 23.6 | 67.46 | 0.0% | 1M | Offen | |||
MiniMax-M3 | 19 | $1.16 | 14.9 | 79.79 | 0.8% | 1M | Offen | |||
 Gemma 4 31B | 4 | -- | -- | 76.21 | 0.6% | 262k | Offen | |||
gpt-oss-120b (high) | 4 | $0.12 | 7.9 | 13.23 | 2.6% | 131k | Offen | |||
GLM-4.5V (non-reasoning) | -- | -- | -- | 8.07 | 0.0% | 66k | Offen | |||
DeepSeek V3.1 Terminus (FP8) | -- | -- | -- | -- | -- | 131k | Offen | |||
 Kimi K2.6 | -- | -- | -- | 76.44 | 0.0% | 262k | Offen | |||
DeepSeek R1 (Jan) Turbo | -- | -- | -- | -- | -- | 64k | Offen | |||
DeepSeek R1 (Jan) | -- | -- | -- | -- | -- | 64k | Offen | |||
 Qwen3.5 397B A17B | -- | -- | -- | 38.88 | 2.8% | 262k | Offen | |||
Kimi K2.6 (non-reasoning) | -- | -- | -- | 9.53 | 0.0% | 262k | Offen | |||
MiniMax-M2.5 | -- | -- | -- | 22.07 | 0.0% | 205k | Offen | |||
Qwen3.5 27B | -- | -- | -- | 37.17 | 10.2% | 262k | Offen | |||
DeepSeek V3.1 | -- | -- | -- | -- | -- | 131k | Offen | |||
Qwen3.5 122B A10B | -- | -- | -- | 34.97 | 0.8% | 262k | Offen | |||
Nemotron 3 Nano (non-reasoning) (FP4) | -- | -- | -- | 1.80 | 0.0% | 262k | Offen | |||
Gemma 3 27B | -- | -- | -- | 0.87 | 0.0% | 98k | Offen | |||
GLM-4.7-Flash | -- | -- | -- | 37.48 | 0.0% | 200k | Offen | |||
GLM-4.5V | -- | -- | -- | 17.77 | 0.0% | 66k | Offen | |||
Qwen3.5 397B A17B (non-reasoning) | -- | -- | -- | 2.62 | 0.0% | 262k | Offen | |||
Qwen3.6 27B (non-reasoning) | -- | -- | -- | 44.16 | 4.7% | 262k | Offen | |||
GLM-5 FP8 | -- | -- | -- | 24.42 | 0.0% | 203k | Offen | |||
GLM-4.6V (non-reasoning) | -- | -- | -- | 7.58 | 18.9% | 131k | Offen | |||
DeepSeek V3 (Dec) | -- | -- | -- | 1.53 | 0.0% | 64k | Offen | |||
Kimi K2 | -- | -- | -- | 7.00 | 2.3% | 131k | Offen | |||
Qwen3.5 35B A3B | -- | -- | -- | 32.40 | 0.0% | 262k | Offen | |||
MiniMax-M2.7 (FP8) | -- | -- | -- | 17.52 | 0.0% | 205k | Offen | |||
Qwen3 VL 30B A3B | -- | -- | -- | 2.56 | 20.0% | 131k | Offen | |||
GLM-5.1 (FP8) | -- | -- | -- | 51.92 | 0.0% | 205k | Offen | |||
DeepSeek V4 Pro (high) | -- | -- | -- | -- | -- | 1M | Offen | |||
Kimi K2 0905 | -- | -- | -- | 2.37 | 0.0% | 262k | Offen | |||
Qwen3.6 35B A3B (non-reasoning) | -- | -- | -- | 3.27 | 2.2% | 205k | Offen | |||
GLM-4.6 | -- | -- | -- | 51.62 | 0.0% | 205k | Offen | |||
Gemma 4 26B A4B | -- | -- | -- | 29.66 | 1.3% | 262k | Offen | |||
GLM-4.7 | -- | -- | -- | 53.69 | 0.0% | 205k | Offen | |||
Gemma 4 26B A4B (non-reasoning) | -- | -- | -- | 2.10 | 0.7% | 262k | Offen | |||
Llama 3.1 8B | -- | -- | -- | 1.45 | 0.0% | 16k | Offen | |||
Nemotron 3 Nano (FP4) | -- | -- | -- | 7.23 | 0.6% | 262k | Offen | |||
GLM-4.7 (non-reasoning) | -- | -- | -- | 8.13 | 0.0% | 205k | Offen | |||
Llama 3 8B | -- | -- | -- | -- | -- | 8k | Offen | |||
Qwen3.6 35B A3B | -- | -- | -- | 26.16 | 3.2% | 205k | Offen | |||
Qwen3.6 27B | -- | -- | -- | 44.04 | 2.2% | 262k | Offen | |||
Kimi K2.7 Code | -- | -- | -- | 53.38 | 0.0% | 262k | Offen | |||
Llama 4 Maverick (FP8) | -- | -- | -- | 2.31 | 1.0% | 1M | Offen | |||
GLM-5.1 (non-reasoning) (FP8) | -- | -- | -- | 7.99 | 0.0% | 205k | Offen | |||
GLM-4.6 (non-reasoning) | -- | -- | -- | 11.59 | 0.0% | 205k | Offen | |||
Llama 3.3 70B | -- | -- | -- | 4.58 | 0.8% | 131k | Offen | |||
MiniMax M1 80k | -- | -- | -- | 4.27 | 2.2% | 1M | Offen | |||
Kimi K2.5 | -- | -- | -- | 33.07 | 0.0% | 262k | Offen | |||
DeepSeek R1 0528 | -- | -- | -- | 60.07 | 1.9% | 164k | Offen | |||
Llama 3 70B | -- | -- | -- | -- | -- | 8k | Offen | |||
Llama 4 Scout | -- | -- | -- | 1.60 | 7.5% | 131k | Offen | |||
 Hy3 | -- | -- | -- | 45.05 | 0.0% | 262k | Offen | |||
Kimi K2.5 (non-reasoning) | -- | -- | -- | 9.73 | 0.0% | 262k | Offen | |||
Kimi K2 Thinking | -- | -- | -- | 30.95 | 0.0% | 262k | Offen | |||
DeepSeek V4 Pro (max) | -- | -- | -- | 64.86 | 0.0% | 1M | Offen | |||
GLM-4.7-Flash (non-reasoning) | -- | -- | -- | 32.47 | 5.4% | 200k | Offen | |||
gpt-oss-120b (low) | -- | -- | -- | 3.30 | 6.0% | 131k | Offen | |||
Gemma 4 31B (non-reasoning) | -- | -- | -- | 4.31 | 0.7% | 262k | Offen | |||
GLM-4.6V | -- | -- | -- | 27.99 | 23.2% | 131k | Offen | |||
DeepSeek V4.1 Flash (max) | -- | -- | -- | 60.83 | 0.0% | 524k | Offen | |||
DeepSeek V3.1 Terminus (non-reasoning) (FP8) | -- | -- | -- | -- | -- | 131k | Offen | |||
GLM-5 (non-reasoning) (FP8) | -- | -- | -- | 2.54 | 0.0% | 203k | Offen | |||
GLM-5.2 (max) (FP8) | -- | -- | -- | 35.40 | 0.0% | 1M | Offen | |||
DeepSeek V3.1 (non-reasoning) | -- | -- | -- | -- | -- | 164k | Offen | |||
DeepSeek V4 Flash 0731 (max) | -- | -- | -- | 55.46 | 0.0% | 1M | Offen | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu Novita
Novita bietet 61 von uns erfasste Modelle an: DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), MiniMax-M3.1-Flash, GLM-5.3-Flash, DeepSeek V4 Pro 0813 (max), MiniMax-M3, Gemma 4 31B, gpt-oss-120b (high), GLM-4.5V (non-reasoning), Kimi K2.6, Qwen3.5 397B A17B, Kimi K2.6 (non-reasoning), MiniMax-M2.5, Qwen3.5 27B, Qwen3.5 122B A10B, Nemotron 3 Nano (non-reasoning) (FP4), Gemma 3 27B, GLM-4.7-Flash, GLM-4.5V, Qwen3.5 397B A17B (non-reasoning), Qwen3.6 27B (non-reasoning), GLM-5 FP8, GLM-4.6V (non-reasoning), DeepSeek V3 (Dec), Kimi K2, Qwen3.5 35B A3B, MiniMax-M2.7 (FP8), Qwen3 VL 30B A3B, GLM-5.1 (FP8), Kimi K2 0905, Qwen3.6 35B A3B (non-reasoning), GLM-4.6, Gemma 4 26B A4B, GLM-4.7, Gemma 4 26B A4B (non-reasoning), Llama 3.1 8B, Nemotron 3 Nano (FP4), GLM-4.7 (non-reasoning), Qwen3.6 35B A3B, Qwen3.6 27B, Kimi K2.7 Code, Llama 4 Maverick (FP8), GLM-5.1 (non-reasoning) (FP8), GLM-4.6 (non-reasoning), Llama 3.3 70B, MiniMax M1 80k, Kimi K2.5, DeepSeek R1 0528, Llama 4 Scout, Hy3, Kimi K2.5 (non-reasoning), Kimi K2 Thinking, DeepSeek V4 Pro (max), GLM-4.7-Flash (non-reasoning), gpt-oss-120b (low), Gemma 4 31B (non-reasoning), GLM-4.6V, DeepSeek V4.1 Flash (max), GLM-5 (non-reasoning) (FP8), GLM-5.2 (max) (FP8) und DeepSeek V4 Flash 0731 (max).
Das intelligenteste bei Novita verfügbare Modell ist DeepSeek V4.1 Flash 1017 (max) mit einem Wert von 33 im Intelligence Index.
Das Modell von Novita mit der kürzesten Zeit pro Aufgabe ist gpt-oss-120b (high) mit 7.9 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 Novita mit der kürzesten Zeit bis zum ersten Antworttoken ist Gemma 3 27B mit 0.87 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.
Gemessen am Mischpreis ist Llama 3.1 8B mit $0.023 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 39.1-Fachen: von $0.023 pro 1 Mio. Tokens für Llama 3.1 8B bis $0.90 pro 1 Mio. Tokens für GLM-5.2 (max) (FP8).
Ja, Novita bietet eine OpenAI-kompatible API. Das erleichtert den Wechsel von OpenAI und die Verwendung bestehender Integrationen mit dem OpenAI SDK.
60 von 61 Modellen von Novita unterstützen den JSON-Modus für strukturierte Ausgaben.
57 von 61 Modellen von Novita unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, Novita bietet 37 Reasoning-Modelle an: DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), MiniMax-M3.1-Flash, GLM-5.3-Flash, DeepSeek V4 Pro 0813 (max), MiniMax-M3, Gemma 4 31B, gpt-oss-120b (high), Kimi K2.6, Qwen3.5 397B A17B, MiniMax-M2.5, Qwen3.5 27B, Qwen3.5 122B A10B, GLM-4.7-Flash, GLM-4.5V, GLM-5 FP8, Qwen3.5 35B A3B, MiniMax-M2.7 (FP8), GLM-5.1 (FP8), GLM-4.6, Gemma 4 26B A4B, GLM-4.7, Nemotron 3 Nano (FP4), Qwen3.6 35B A3B, Qwen3.6 27B, Kimi K2.7 Code, MiniMax M1 80k, Kimi K2.5, DeepSeek R1 0528, Hy3, Kimi K2 Thinking, DeepSeek V4 Pro (max), gpt-oss-120b (low), GLM-4.6V, DeepSeek V4.1 Flash (max), GLM-5.2 (max) (FP8) und DeepSeek V4 Flash 0731 (max). Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, alle 61 Modelle von Novita 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 Novita 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.