Databricks: inteligencia, rendimiento y precio de sus modelos
Este análisis está pensado para ayudarte a elegir el mejor modelo ofrecido por Databricks para tu caso de uso.
(te)
Más inteligente
GLM-5.3 (max)GLM-5.3-Flash
Kimi K3 (low)Intelligence Index
9 modelos en total
Menor tiempo por tarea
Kimi K3 (low)GLM-5.3 (max)GLM-5.3-FlashTiempo por tarea del Intelligence Index (minutos)
9 modelos en total
Menor precio
DeepSeek V4 Flash 0731 (max)GLM-5.3-FlashDeepSeek V4.1 Flash (max)
Qwen3 Next 80B A3BGLM-5.3 (max)Precio combinado (por 1M de tokens)
9 modelos en total
Databricks ofrece 9 modelos, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave entre modelos.
- En inteligencia, los mejores modelos en Databricks son GLM-5.3 (max) (32), GLM-5.3-Flash (28) y Kimi K3 (low) (17).
- En tiempo por tarea, Kimi K3 (low) (7.7 min), GLM-5.3 (max) (11.6 min) y GLM-5.3-Flash (19.2 min) completan una tarea del Intelligence Index más rápido en Databricks.
- En latencia, Qwen3 Next 80B A3B (1.38s), GLM-5.2 (non-reasoning) (1.62s) y Kimi K3 (low) (5.67s) ofrecen el menor tiempo hasta el primer token de respuesta.
- En precios, DeepSeek V4 Flash 0731 (max) ($0.08), GLM-5.3-Flash ($0.10) y DeepSeek V4.1 Flash (max) ($0.20) ofrecen los menores precios combinados por 1M de tokens. Los precios varían hasta 11.9x entre modelos.
- En tamaño de ventana de contexto, DeepSeek V4 Flash 0731 (max) (1M), GLM-5.3 (max) (1M) y GLM-5.3-Flash (1M) admiten las ventanas de contexto más grandes en Databricks.
Inteligencia
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. precio
Precios
Costo por tarea del Intelligence Index
Intelligence Index vs. precio
Velocidad
Promedio de las cargas medidas de solicitud única y agénticas multiturno
Tiempo por tarea del Intelligence Index
Calidad
Endpoint Accuracy Index
Latencia
Promedio de las cargas medidas de solicitud única y agénticas multiturno
Tiempo hasta el primer token de respuesta
Fiabilidad
Proporción de solicitudes que el endpoint no completó, en todas las cargas medidas de solicitud única y agénticas multiturno
Tasa de errores del endpoint
Caché
Tasa de aciertos de caché
Costo por tarea vs. Tasa de aciertos de caché
Análisis adicional | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
GLM-5.3 (max) | 32 | $4.92 | 11.2 | 38.35 | 0.0% | 1M | Abierto | |||
GLM-5.3-Flash | 28 | $0.58 | 18.4 | 36.99 | 0.8% | 1M | Abierto | |||
Kimi K3 (low) | 17 | $1.86 | 10.6 | 15.98 | 0.0% | 1M | Abierto | |||
Qwen3 Next 80B A3B | -- | -- | -- | 1.41 | 0.0% | 262k | Abierto | |||
DeepSeek V4.1 Flash (max) | -- | -- | -- | 37.26 | 0.0% | 1M | Abierto | |||
GLM-5.2 (non-reasoning) | -- | -- | -- | 1.93 | 0.0% | 1M | Abierto | |||
GLM-5.2 (max) | -- | -- | -- | 12.86 | 0.0% | 1M | Abierto | |||
Kimi K3 (max) | -- | -- | -- | 49.03 | 0.0% | 205k | Abierto | |||
DeepSeek V4 Flash 0731 (max) | -- | -- | -- | 34.88 | 10.0% | 1M | Abierto | |||
Definiciones clave
Preguntas frecuentes
Preguntas comunes sobre Databricks
Databricks ofrece 9 modelos que monitoreamos: GLM-5.3 (max), GLM-5.3-Flash, Kimi K3 (low), Qwen3 Next 80B A3B, DeepSeek V4.1 Flash (max), GLM-5.2 (non-reasoning), GLM-5.2 (max), Kimi K3 (max) y DeepSeek V4 Flash 0731 (max).
El modelo más inteligente disponible en Databricks es GLM-5.3 (max), con una puntuación de 32 en el Intelligence Index.
El modelo con el menor tiempo por tarea en Databricks es Kimi K3 (low), con 7.7 minutos por tarea del Intelligence Index. El tiempo por tarea es la cantidad de tokens de salida por tarea dividida por la velocidad de salida de extremo a extremo; un valor menor significa que la tarea termina antes.
El modelo con el menor tiempo hasta el primer token de respuesta en Databricks es Qwen3 Next 80B A3B, con 1.38s. Una menor latencia significa una respuesta inicial más rápida.
El modelo más económico en Databricks por precio combinado es DeepSeek V4 Flash 0731 (max), a $0.0756 por 1M de tokens (proporción 7:2:1 de aciertos de caché/entrada/salida).
Los precios en Databricks varían hasta 31x entre modelos, desde $0.0756 por 1M de tokens para DeepSeek V4 Flash 0731 (max) hasta $2.31 por 1M de tokens para Kimi K3 (max).
Sí, Databricks ofrece una API compatible con OpenAI, lo que facilita cambiar desde OpenAI o usar integraciones existentes del SDK de OpenAI.
Sí, los 9 modelos en Databricks admiten el modo JSON para salida estructurada.
Sí, los 9 modelos en Databricks admiten llamadas a funciones (uso de herramientas).
Sí, Databricks ofrece 7 modelos de razonamiento: GLM-5.3 (max), GLM-5.3-Flash, Kimi K3 (low), DeepSeek V4.1 Flash (max), GLM-5.2 (max), Kimi K3 (max) y DeepSeek V4 Flash 0731 (max). Los modelos de razonamiento usan pensamiento extendido para resolver problemas complejos antes de responder.
Sí, los 9 modelos en Databricks son modelos de pesos abiertos.
Sí, el rendimiento de un proveedor puede variar con el tiempo debido a cambios de infraestructura, balanceo de carga y actualizaciones. Medimos continuamente a todos los proveedores y mostramos las tendencias históricas de rendimiento en los gráficos "a lo largo del tiempo".
Al elegir un modelo en Databricks, considera: inteligencia (para tareas sensibles a la calidad), tiempo por tarea (la rapidez con la que el modelo completa una tarea del Intelligence Index), latencia (para aplicaciones interactivas que requieren primeras respuestas rápidas), precios (para cargas de trabajo sensibles al costo) y funcionalidades como el tamaño de la ventana de contexto, el modo JSON o las llamadas a funciones.