Databricks: inteligencia, rendimiento y precio de sus modelos
Análisis de los modelos de Databricks en métricas clave como calidad, precio, velocidad de salida, latencia, ventana de contexto y más. Este análisis está pensado para ayudarte a elegir el mejor modelo ofrecido por Databricks para tu caso de uso.
(te)
Más inteligente
Índice de inteligencia
2 modelos en total
Más rápido
Velocidad de salida
2 modelos en total
Menor precio
Precio combinado (por 1M de tokens)
2 modelos en total
Databricks ofrece 2 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 Kimi K3 (max) (60) y GLM-5.2 (max) (53).
- En velocidad de salida, los modelos más rápidos son GLM-5.2 (max) (347 t/s) y Kimi K3 (max) (85 t/s).
- En latencia, GLM-5.2 (max) (6.54s) y Kimi K3 (max) (24.37s) ofrecen el menor tiempo hasta el primer token de respuesta.
- En precios, GLM-5.2 (max) ($0.90) y Kimi K3 (max) ($2.31) ofrecen los menores precios combinados por 1M de tokens.
- En tamaño de ventana de contexto, GLM-5.2 (max) (1M) y Kimi K3 (max) (205k) admiten las ventanas de contexto más grandes en Databricks.
- GLM-5.2 (max) ofrece la salida más rápida y los mejores precios, lo que lo hace atractivo para aplicaciones sensibles al rendimiento y al costo. Kimi K3 (max) lidera en inteligencia para tareas que requieren la máxima calidad.
Aspectos destacados
Evaluaciones de inteligencia
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
Quantitative analysis on spreadsheets & documents
Instruction following
Long-horizon agentic tasks
Kubernetes incident root-cause analysis
Visual reasoning
Intelligence Index vs. Price
Ventana de contexto
Context Window
Precios
Intelligence Index vs. Price
Resumen de rendimiento
Output Speed vs. Price
Velocidad
Medida por la velocidad de salida (tokens por segundo)
Output Speed
Latencia
Medida por el tiempo (segundos) hasta el primer token
Latency: Time To First Answer Token
Tiempo de respuesta de extremo a extremo
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
Definiciones clave
Preguntas frecuentes
Preguntas comunes sobre Databricks
Databricks ofrece 2 modelos que monitoreamos: Kimi K3 (max) y GLM-5.2 (max).
El modelo más inteligente disponible en Databricks es Kimi K3 (max), con una puntuación de 60 en el Índice de Inteligencia.
El modelo más rápido en Databricks por velocidad de salida es GLM-5.2 (max), con 347.2 tokens por segundo.
El modelo con el menor tiempo hasta el primer token de respuesta en Databricks es GLM-5.2 (max), con 6.54s. Una menor latencia significa una respuesta inicial más rápida.
El modelo más económico en Databricks por precio combinado es GLM-5.2 (max), a $0.90 por 1M de tokens (proporción 7:2:1 de aciertos de caché/entrada/salida).
Los precios en Databricks varían hasta 3x entre modelos, desde $0.90 por 1M de tokens para GLM-5.2 (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 2 modelos en Databricks admiten el modo JSON para salida estructurada.
Sí, los 2 modelos en Databricks admiten llamadas a funciones (uso de herramientas).
Sí, Databricks ofrece 2 modelos de razonamiento: Kimi K3 (max) y GLM-5.2 (max). Los modelos de razonamiento usan pensamiento extendido para resolver problemas complejos antes de responder.
Sí, los 2 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), velocidad de salida (para tareas intensivas en rendimiento), 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.