SambaNova: Intelligenz, Leistung und Preise der Modelle
Diese Analyse soll Sie bei der Auswahl des besten von SambaNova angebotenen Modells für Ihren Anwendungsfall unterstützen.
Höchste Intelligenz
Updated
MiniMax-M3MiniMax-M2.7
Gemma 4 31BGemma 4 31B (Non-reasoning)
DeepSeek V3.1 (Non-reasoning)Intelligence Index
Insgesamt 9 Modelle
Am schnellsten
gpt-oss-120b (low)gpt-oss-120b (high)MiniMax-M2.7
Llama 3.3 70BMiniMax-M3Ausgabegeschwindigkeit
Insgesamt 9 Modelle
Niedrigster Preis
gpt-oss-120b (high)gpt-oss-120b (low)Gemma 4 31BGemma 4 31B (Non-reasoning)Llama 3.3 70BMischpreis (pro 1 Mio. Tokens)
Insgesamt 9 Modelle
SambaNova 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 MiniMax-M3 (30), MiniMax-M2.7 (23) und Gemma 4 31B (15) die führenden Modelle von SambaNova.
- Bei der Ausgabegeschwindigkeit sind gpt-oss-120b (low) (724 t/s), gpt-oss-120b (high) (698 t/s) und MiniMax-M2.7 (402 t/s) am schnellsten. Die Geschwindigkeit unterscheidet sich deutlich zwischen den Modellen; der Unterschied zwischen dem schnellsten und dem langsamsten beträgt 193 %.
- Bei der Latenz bieten Llama 3.3 70B (2.16 s), Gemma 4 31B (Non-reasoning) (2.75 s) und DeepSeek V3.1 (Non-reasoning) (3.61 s) die kürzeste Zeit bis zum ersten Antworttoken.
- Beim Preis bieten gpt-oss-120b (high) ($0.26), gpt-oss-120b (low) ($0.26) und Gemma 4 31B ($0.46) die niedrigsten Mischpreise pro 1 Mio. Tokens. Die Preise unterscheiden sich zwischen den Modellen bis zum 2.6-Fachen.
- Bei der Größe des Kontextfensters unterstützen MiniMax-M3 (1M), MiniMax-M2.7 (197k) und Gemma 4 31B (131k) die größten Kontextfenster von SambaNova.
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 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
MiniMax-M3 | 1.05M | Offen | 30 | $3.83 | 247 | 2.48 | 12.61 | 8.11 | |||
MiniMax-M2.7 | 197k | Offen | 23 | $0.50 | 402 | 4.92 | 12.29 | 6.12 | |||
DeepSeek V3.2 | 8.19k | Offen | 21* | -- | -- | -- | -- | -- | |||
DeepSeek V3.2 (Non-reasoning) | 8.19k | Offen | 16* | -- | -- | -- | -- | -- | |||
Gemma 4 31B | 131k | Offen | 15 | $0.28 | 198 | 2.90 | 14.21 | 8.78 | |||
DeepSeek V3.1 Terminus | 131k | Offen | 15 | -- | -- | -- | -- | -- | |||
DeepSeek V3.1 Terminus (Non-reasoning) | 128k | Offen | 14* | -- | -- | -- | -- | -- | |||
Gemma 4 31B (Non-reasoning) | 131k | Offen | 14* | -- | 201 | 2.75 | 5.23 | -- | |||
DeepSeek V3.1 (Non-reasoning) | 131k | Offen | 14* | -- | 181 | 3.61 | 6.37 | -- | |||
DeepSeek V3.1 | 128k | Offen | 13* | -- | 116 | 3.49 | 25.12 | 17.30 | |||
gpt-oss-120b (high) | 131k | Offen | 12 | $0.15 | 698 | 0.97 | 4.55 | 2.86 | |||
gpt-oss-120b (low) | 131k | Offen | 10* | -- | 724 | 1.15 | 4.60 | 2.76 | |||
DeepSeek R1 Distill Llama 70B | 131k | Offen | 8* | -- | -- | -- | -- | -- | |||
Llama 3.3 70B | 128k | Offen | 8* | -- | 283 | 2.16 | 3.93 | -- | |||
 Qwen3 32B (Non-reasoning) | 32.8k | Offen | 7* | -- | -- | -- | -- | -- | |||
Qwen3 32B | 32.8k | Offen | 7 | -- | -- | -- | -- | -- | |||
Wichtige Definitionen
Häufig gestellte Fragen
Häufige Fragen zu SambaNova
SambaNova bietet 9 von uns erfasste Modelle an: MiniMax-M3, MiniMax-M2.7, Gemma 4 31B, Gemma 4 31B (Non-reasoning), DeepSeek V3.1 (Non-reasoning), DeepSeek V3.1, gpt-oss-120b (high), gpt-oss-120b (low) und Llama 3.3 70B.
Das intelligenteste bei SambaNova verfügbare Modell ist MiniMax-M3 mit einem Intelligence-Index-Wert von 30.
Gemessen an der Ausgabegeschwindigkeit ist gpt-oss-120b (low) mit 723.7 Tokens pro Sekunde das schnellste Modell von SambaNova.
Das Modell von SambaNova mit der kürzesten Zeit bis zum ersten Antworttoken ist Llama 3.3 70B mit 2.16 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.
Gemessen am Mischpreis ist gpt-oss-120b (high) mit $0.26 pro 1 Mio. Tokens (Verhältnis von Cache-Treffern, Eingabe und Ausgabe: 7:2:1) das günstigste Modell von SambaNova.
Die Preise der Modelle von SambaNova unterscheiden sich bis zum 12-Fachen: von $0.26 pro 1 Mio. Tokens für gpt-oss-120b (high) bis $3.15 pro 1 Mio. Tokens für DeepSeek V3.1.
Ja, SambaNova 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 SambaNova unterstützen den JSON-Modus für strukturierte Ausgaben.
Ja, alle 9 Modelle von SambaNova unterstützen Funktionsaufrufe (Tool-Nutzung).
Ja, SambaNova bietet 6 Reasoning-Modelle an: MiniMax-M3, MiniMax-M2.7, Gemma 4 31B, DeepSeek V3.1, gpt-oss-120b (high) und gpt-oss-120b (low). Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.
Ja, alle 9 Modelle von SambaNova 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 SambaNova 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.