DeepInfra: inteligencia, rendimiento y precio de sus modelos
Este análisis está pensado para ayudarte a elegir el mejor modelo ofrecido por DeepInfra para tu caso de uso.
Más inteligente
Updated
MiMo-V2.6-Pro
GLM-5.3 (max)GLM-5.3-Flash
Qwen3.8 2.4T A95B
DeepSeek V4.1 Flash (max)Índice de inteligencia
103 modelos en total
Más rápido
gpt-oss-120b (high) (Turbo)
Inkling Small
Granite 4.2 3BQwen3 Next 80B A3BQwen3.5 122B A10B (FP4)Velocidad de salida
103 modelos en total
Menor precio
Llama 3.1 8B (Turbo, FP8)Llama 3.1 8BGranite 4.2 3B
Gemma 4 E4BGemma 4 E4B (Non-reasoning)Precio combinado (por 1M de tokens)
103 modelos en total
DeepInfra ofrece 103 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 DeepInfra son MiMo-V2.6-Pro (46), GLM-5.3 (max) (45) y GLM-5.3-Flash (42).
- En velocidad de salida, los modelos más rápidos son gpt-oss-120b (high) (Turbo) (349 t/s), Inkling Small (254 t/s) y Granite 4.2 3B (223 t/s). La velocidad varía significativamente entre modelos, con una diferencia del 103% entre el más rápido y el más lento.
- En latencia, Llama 4 Maverick (FP8) (0.55s), Qwen3 30B (Non-reasoning) (FP8) (0.57s) y Qwen3.5 122B A10B (Non-reasoning) (FP4) (0.69s) ofrecen el menor tiempo hasta el primer token de respuesta.
- En precios, Llama 3.1 8B (Turbo, FP8) ($0.02), Llama 3.1 8B ($0.02) y Granite 4.2 3B ($0.02) ofrecen los menores precios combinados por 1M de tokens.
- En tamaño de ventana de contexto, GLM-5.2 (max) (FP4) (1M), DeepSeek V4 Pro (max) (FP4) (1M) y DeepSeek V4 Flash (high) (FP4) (1M) admiten las ventanas de contexto más grandes en DeepInfra.
Aspectos destacados
Evaluaciones de inteligencia
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
Agentic scientific research workflows in a terminal
Quantitative analysis on spreadsheets & documents
Agentic tool use
Kubernetes incident root-cause analysis
Visual reasoning
Medical long context 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
Análisis adicional | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
MiMo-V2.6-Pro | 1M | Abierto | 46 | $0.12 | 27 | 1.86 | 93.31 | 73.16 | |||
GLM-5.3 (max) | 1.05M | Abierto | 45 | $1.39 | 169 | 1.04 | 15.83 | 11.83 | |||
GLM-5.3-Flash | 1M | Abierto | 42 | $0.34 | 39 | 1.23 | 65.81 | 51.66 | |||
Qwen3.8 2.4T A95B | 262k | Abierto | 40 | $2.89 | 104 | 1.42 | 25.51 | 19.27 | |||
DeepSeek V4.1 Flash (max) | 1M | Abierto | 39 | $0.44 | 54 | 0.94 | 47.15 | 36.97 | |||
DeepSeek V4 Pro 0813 (max) | 1M | Abierto | 36 | $1.00 | 77 | 0.93 | 33.28 | 25.88 | |||
DeepSeek V4 Flash Vision (max) | 1M | Propietario | 35 | $0.51 | 150 | 0.98 | 17.64 | 13.32 | |||
DeepSeek V4 Flash 0731 (max) | 1M | Abierto | 34 | $0.10 | 66 | 0.87 | 38.85 | 30.38 | |||
GLM-5.2 (max) (FP4) | 1.05M | Abierto | 34 | $0.37 | 109 | 1.04 | 23.99 | 18.36 | |||
Qwen3.8 27B (xhigh) | 262k | Abierto | 34 | $0.52 | 33 | 1.07 | 75.72 | 59.73 | |||
DeepSeek V4 Pro (max) (FP4) | 1.05M | Abierto | 30 | $1.19 | 64 | 1.14 | 77.44 | 68.48 | |||
DeepSeek V4 Pro (high) (FP4) | 65.5k | Abierto | 30* | -- | 63 | 1.20 | 41.02 | 31.83 | |||
 MiniMax-M3 | 524k | Abierto | 29 | $0.44 | 22 | 1.00 | 112.59 | 89.27 | |||
GLM-5 (FP4) | 203k | Abierto | 28* | -- | 91 | 1.15 | 40.96 | 34.28 | |||
Inkling Small | 524k | Abierto | 28* | -- | 256 | 0.56 | 10.32 | 7.81 | |||
 Kimi K2.6 (FP4) | 262k | Abierto | 27 | $0.51 | 46 | 1.66 | 109.07 | 96.56 | |||
GLM-5.1 (FP4) | 203k | Abierto | 26 | $0.58 | 100 | 1.35 | 44.18 | 37.84 | |||
DeepSeek V4 Flash (high) (FP4) | 1.05M | Abierto | 26* | -- | 38 | 1.14 | 46.60 | 32.39 | |||
MiMo-V2.5-Pro | 65.5k | Abierto | 26 | $0.28 | 38 | 1.41 | 67.03 | 52.49 | |||
Kimi K2.7 Code | 262k | Abierto | 26 | $0.39 | 53 | 1.00 | 52.21 | 41.83 | |||
 Hy3 (FP8) | 262k | Abierto | 25 | $0.07 | 42 | 0.93 | 60.28 | 47.48 | |||
MiMo-V2.5 | 262k | Abierto | 25* | -- | 13 | 1.05 | 188.41 | 149.88 | |||
Inkling (FP8) | 131k | Abierto | 25 | -- | 148 | 0.69 | 17.60 | 13.53 | |||
 Ling 3.0 Flash | 131k | Abierto | 25* | -- | 49 | 2.03 | 53.54 | 41.20 | |||
GLM-5.1 (Non-reasoning) (FP4) | 203k | Abierto | 24* | -- | 108 | 1.19 | 5.82 | -- | |||
DeepSeek V4 Flash (max) (FP4) | 1.05M | Abierto | 24 | $0.07 | 41 | 1.00 | 149.45 | 136.30 | |||
Kimi K2.6 (Non-reasoning) (FP4) | 262k | Abierto | 24* | -- | 30 | 1.48 | 17.97 | -- | |||
Kimi K2.5 | 262k | Abierto | 23* | -- | 41 | 1.56 | 86.90 | 73.03 | |||
 Nemotron 3 Ultra | 262k | Abierto | 23 | $0.47 | 163 | 1.07 | 18.07 | 13.94 | |||
Nemotron 3 Ultra BF16 | 262k | Abierto | 23 | $0.99 | 183 | 1.21 | 16.35 | 12.42 | |||
Qwen3.5 27B (FP8) | 262k | Abierto | 23* | -- | 75 | 1.04 | 34.51 | 26.77 | |||
MiniMax-M2.5 (FP8) | 197k | Abierto | 23* | -- | 21 | 1.07 | 121.92 | 96.68 | |||
GLM-4.7 (FP4) | 203k | Abierto | 22* | -- | 18 | 1.02 | 136.93 | 108.72 | |||
GLM-5 (Non-reasoning) (FP8) | 203k | Abierto | 22* | -- | 84 | 1.07 | 7.02 | -- | |||
DeepSeek V3.2 (FP4) | 164k | Abierto | 21* | -- | 16 | 1.36 | 161.01 | 127.72 | |||
Qwen3.5 397B A17B (Non-reasoning) (FP8) | 262k | Abierto | 21* | -- | 38 | 1.21 | 14.34 | -- | |||
Qwen3.6 27B FP8 | 262k | Abierto | 21 | $0.37 | 53 | 0.97 | 117.75 | 107.32 | |||
Qwen3.6 27B (Non-reasoning) FP8 | 262k | Abierto | 20* | -- | 41 | 1.22 | 13.33 | -- | |||
 Step 3.7 Flash | 256k | Abierto | 19* | -- | 162 | 0.72 | 16.11 | 12.32 | |||
Qwen3.5 27B (Non-reasoning) FP8 | 262k | Abierto | 19* | -- | 73 | 1.07 | 7.95 | -- | |||
Qwen3.5 35B A3B (FP8) | 262k | Abierto | 19* | -- | 153 | 0.71 | 17.08 | 13.10 | |||
Gemma 4 31B | 262k | Abierto | 19* | -- | 15 | 3.19 | 147.67 | 112.17 | |||
GLM-4.6 (FP4) | 203k | Abierto | 19* | -- | 21 | 1.25 | 119.22 | 94.38 | |||
Qwen3.5 397B A17B (FP8) | 262k | Abierto | 18 | -- | 39 | 1.23 | 96.79 | 82.59 | |||
MiMo-V2.5-Pro (Non-reasoning) | 65.5k | Abierto | 18* | -- | 33 | 1.59 | 16.93 | -- | |||
Qwen3.6 35B A3B (FP8) | 262k | Abierto | 18 | $0.14 | 80 | 0.81 | 74.77 | 67.68 | |||
Qwen3.5 122B A10B (Non-reasoning) (FP4) | 262k | Abierto | 18* | -- | 172 | 0.69 | 3.60 | -- | |||
Muse Glimmer (high) | 131k | Abierto | 17 | $0.05 | 132 | 0.99 | 19.90 | 15.13 | |||
GLM-4.7 (Non-reasoning) (FP4) | 203k | Abierto | 17* | -- | 26 | 1.15 | 20.66 | -- | |||
Gemma 4 26B A4B (FP8) | 262k | Abierto | 17* | -- | 32 | 0.79 | 80.13 | 63.47 | |||
DeepSeek V3.2 (Non-reasoning) | 164k | Abierto | 16* | -- | 15 | 1.26 | 35.08 | -- | |||
Qwen3.5 122B A10B (FP4) | 262k | Abierto | 16 | $0.24 | 173 | 0.67 | 15.16 | 11.59 | |||
Qwen3.6 35B A3B (Non-reasoning) (FP8) | 262k | Abierto | 15* | -- | 59 | 0.99 | 9.47 | -- | |||
Qwen3.5 35B A3B (Non-reasoning) FP8 | 262k | Abierto | 15* | -- | 153 | 0.74 | 4.00 | -- | |||
GLM-4.7-Flash | 203k | Abierto | 15* | -- | 41 | 1.28 | 61.64 | 48.29 | |||
Granite 4.2 30B | 131k | Abierto | 15* | -- | 77 | 0.91 | 33.41 | 26.00 | |||
DeepSeek V3.1 Terminus (Non-reasoning) (FP4) | 164k | Abierto | 14* | -- | 60 | 0.96 | 9.23 | -- | |||
Gemma 4 31B (Non-reasoning) (FP8) | 262k | Abierto | 14* | -- | 15 | 2.35 | 35.25 | -- | |||
DeepSeek V3.1 (Non-reasoning) (FP4) | 164k | Abierto | 14* | -- | 8 | 1.19 | 61.49 | -- | |||
Gemma 4 26B A4B (Non-reasoning) (FP8) | 262k | Abierto | 13* | -- | 31 | 0.75 | 16.95 | -- | |||
Qwen3.5 4B (FP8) | 262k | Abierto | 13* | -- | 25 | 0.81 | 100.72 | 79.92 | |||
DeepSeek R1 0528 | 164k | Abierto | 13* | -- | -- | -- | -- | -- | |||
Nemotron 3.5 Lightning (NVFP4) | 262k | Abierto | 13 | $0.12 | -- | -- | -- | -- | |||
Nemotron 3 Super | 262k | Abierto | 13 | $0.48 | -- | -- | -- | -- | |||
Qwen3 235B A22B 2507 (FP8) | 262k | Abierto | 13 | -- | 69 | 0.81 | 36.96 | 28.92 | |||
Qwen3 235B 2507 (FP8) | 262k | Abierto | 12* | -- | 16 | 0.65 | 31.02 | -- | |||
Qwen3 Coder 480B (Turbo, FP4) | 262k | Abierto | 12* | -- | 46 | 0.83 | 11.80 | -- | |||
gpt-oss-120b (high) (Turbo) | 131k | Abierto | 12 | $0.11 | 338 | 0.71 | 8.11 | 5.92 | |||
gpt-oss-120b (high) | 131k | Abierto | 12 | $0.03 | 54 | 0.73 | 46.86 | 36.90 | |||
Granite 4.2 8B | 131k | Abierto | 11 | $0.02 | 72 | 0.93 | 35.77 | 27.87 | |||
Qwen3.5 4B (Non-reasoning) FP8 | 262k | Abierto | 11* | -- | 25 | 0.78 | 21.14 | -- | |||
gpt-oss-120b (low) | 131k | Abierto | 10* | -- | 45 | 0.68 | 55.85 | 44.13 | |||
Llama 4 Maverick (FP8) | 1.05M | Abierto | 10* | -- | 100 | 0.53 | 5.55 | -- | |||
DeepSeek V3 0324 (FP4) | 164k | Abierto | 10 | $0.02 | 44 | 1.10 | 12.41 | -- | |||
Qwen3 Next 80B A3B | 262k | Abierto | 10* | -- | 194 | 0.69 | 3.26 | -- | |||
Granite 4.2 3B | 131k | Abierto | 9 | $0.01 | 221 | 0.46 | 11.79 | 9.07 | |||
gpt-oss-20b (high) | 131k | Abierto | 9 | $0.01 | 101 | 0.49 | 25.23 | 19.79 | |||
Gemma 4 E4B | 262k | Abierto | 9* | -- | 60 | 0.85 | 42.50 | 33.32 | |||
Nemotron 3 Nano | 262k | Abierto | 9 | $0.02 | 95 | 4.22 | 30.62 | 21.12 | |||
Qwen3 32B (FP8) | 41k | Abierto | 9* | -- | 30 | 1.49 | 85.21 | 66.97 | |||
DeepSeek V3 (Dec) | 164k | Abierto | 8 | $0.02 | 23 | 0.83 | 22.62 | -- | |||
 Mistral Small 3.2 (FP8) | 128k | Abierto | 8* | -- | 43 | 0.94 | 12.58 | -- | |||
Qwen3 14B (FP8) | 32.8k | Abierto | 8* | -- | 28 | 1.16 | 91.09 | 71.94 | |||
Llama 4 Scout | 328k | Abierto | 8* | -- | 28 | 0.90 | 18.94 | -- | |||
DeepSeek R1 Distill Llama 70B | 131k | Abierto | 8* | -- | -- | -- | -- | -- | |||
Qwen2.5 72B | 32.8k | Abierto | 8* | -- | 25 | 2.25 | 22.27 | -- | |||
Llama 3.3 70B (Turbo, FP8) | 131k | Abierto | 8* | -- | 10 | 2.88 | 54.57 | -- | |||
Qwen3 30B (FP8) | 41k | Abierto | 8* | -- | 151 | 0.56 | 17.16 | 13.28 | |||
Gemma 4 E4B (Non-reasoning) | 262k | Abierto | 7* | -- | 60 | 0.76 | 9.04 | -- | |||
NVIDIA Nemotron Nano 9B V2 | 131k | Abierto | 7* | -- | 111 | 3.79 | 26.32 | 18.02 | |||
Qwen3 32B (Non-reasoning) (FP8) | 41k | Abierto | 7* | -- | 29 | 1.51 | 18.59 | -- | |||
Mistral Small 3.1 | 128k | Abierto | 7 | $0.02 | 43 | 0.88 | 12.57 | -- | |||
Llama 3.1 8B (Turbo, FP8) | 131k | Abierto | 7* | -- | 23 | 1.16 | 22.78 | -- | |||
Llama 3.1 8B | 131k | Abierto | 7* | -- | 19 | 1.10 | 26.84 | -- | |||
Nemotron 3 Nano (Non-reasoning) | 262k | Abierto | 7* | -- | 97 | 0.71 | 5.85 | -- | |||
NVIDIA Nemotron Nano 9B V2 (Non-reasoning) | 131k | Abierto | 7* | -- | 115 | 6.68 | 11.03 | -- | |||
Qwen3 14B (Non-reasoning) (FP8) | 41k | Abierto | 7* | -- | 25 | 1.97 | 21.76 | -- | |||
Mistral Small 3 | 32.8k | Abierto | 7* | -- | 55 | 0.90 | 10.02 | -- | |||
Qwen3 30B (Non-reasoning) (FP8) | 41k | Abierto | 7* | -- | 137 | 0.57 | 4.23 | -- | |||
Llama 3.1 70B | 131k | Abierto | 7* | -- | 40 | 1.86 | 14.48 | -- | |||
Llama 3.1 70B (Turbo, FP8) | 131k | Abierto | 7* | -- | 41 | 2.02 | 14.31 | -- | |||
 Hermes 3 - Llama-3.1 70B | 131k | Abierto | 6* | -- | 30 | 2.17 | 18.59 | -- | |||
 Phi-4 | 16.4k | Abierto | 6* | -- | 67 | 0.93 | 8.37 | -- | |||
Llama 3.2 11B (Vision) | 131k | Abierto | 5* | -- | 15 | 2.33 | 36.39 | -- | |||
Gemma 3 27B | 131k | Abierto | 5 | $0.16 | 16 | 1.49 | 32.46 | -- | |||
Gemma 3 4B | 131k | Abierto | 5* | -- | 27 | 1.10 | 19.62 | -- | |||
Llama 3 8B | 8.19k | Abierto | 5* | -- | -- | -- | -- | -- | |||
Gemma 3 12B | 131k | Abierto | 4 | $0.13 | 47 | 1.04 | 11.79 | -- | |||
Definiciones clave
Preguntas frecuentes
Preguntas comunes sobre DeepInfra
DeepInfra ofrece 103 modelos que monitoreamos: MiMo-V2.6-Pro, GLM-5.3 (max), GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4.1 Flash (max), DeepSeek V4 Pro 0813 (max), DeepSeek V4 Flash Vision (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max) (FP4), Qwen3.8 27B (xhigh), DeepSeek V4 Pro (max) (FP4), DeepSeek V4 Pro (high) (FP4), MiniMax-M3, GLM-5 (FP4), Inkling Small, Kimi K2.6 (FP4), GLM-5.1 (FP4), DeepSeek V4 Flash (high) (FP4), MiMo-V2.5-Pro, Kimi K2.7 Code, Hy3 (FP8), MiMo-V2.5, Inkling (FP8), Ling 3.0 Flash, GLM-5.1 (Non-reasoning) (FP4), DeepSeek V4 Flash (max) (FP4), Kimi K2.6 (Non-reasoning) (FP4), Kimi K2.5, Nemotron 3 Ultra, Nemotron 3 Ultra BF16, Qwen3.5 27B (FP8), MiniMax-M2.5 (FP8), GLM-4.7 (FP4), GLM-5 (Non-reasoning) (FP8), DeepSeek V3.2 (FP4), Qwen3.5 397B A17B (Non-reasoning) (FP8), Qwen3.6 27B FP8, Qwen3.6 27B (Non-reasoning) FP8, Step 3.7 Flash, Qwen3.5 27B (Non-reasoning) FP8, Qwen3.5 35B A3B (FP8), Gemma 4 31B, GLM-4.6 (FP4), Qwen3.5 397B A17B (FP8), MiMo-V2.5-Pro (Non-reasoning), Qwen3.6 35B A3B (FP8), Qwen3.5 122B A10B (Non-reasoning) (FP4), Muse Glimmer (high), GLM-4.7 (Non-reasoning) (FP4), Gemma 4 26B A4B (FP8), DeepSeek V3.2 (Non-reasoning), Qwen3.5 122B A10B (FP4), Qwen3.6 35B A3B (Non-reasoning) (FP8), Qwen3.5 35B A3B (Non-reasoning) FP8, GLM-4.7-Flash, Granite 4.2 30B, DeepSeek V3.1 Terminus (Non-reasoning) (FP4), Gemma 4 31B (Non-reasoning) (FP8), DeepSeek V3.1 (Non-reasoning) (FP4), Gemma 4 26B A4B (Non-reasoning) (FP8), Qwen3.5 4B (FP8), Qwen3 235B A22B 2507 (FP8), Qwen3 235B 2507 (FP8), Qwen3 Coder 480B (Turbo, FP4), gpt-oss-120b (high) (Turbo), gpt-oss-120b (high), Granite 4.2 8B, Qwen3.5 4B (Non-reasoning) FP8, gpt-oss-120b (low), Llama 4 Maverick (FP8), DeepSeek V3 0324 (FP4), Qwen3 Next 80B A3B, Granite 4.2 3B, gpt-oss-20b (high), Gemma 4 E4B, Nemotron 3 Nano, Qwen3 32B (FP8), DeepSeek V3 (Dec), Mistral Small 3.2 (FP8), Qwen3 14B (FP8), Llama 4 Scout, Qwen2.5 72B, Llama 3.3 70B (Turbo, FP8), Qwen3 30B (FP8), Gemma 4 E4B (Non-reasoning), NVIDIA Nemotron Nano 9B V2, Qwen3 32B (Non-reasoning) (FP8), Mistral Small 3.1, Llama 3.1 8B (Turbo, FP8), Llama 3.1 8B, Nemotron 3 Nano (Non-reasoning), NVIDIA Nemotron Nano 9B V2 (Non-reasoning), Qwen3 14B (Non-reasoning) (FP8), Mistral Small 3, Qwen3 30B (Non-reasoning) (FP8), Llama 3.1 70B, Llama 3.1 70B (Turbo, FP8), Hermes 3 - Llama-3.1 70B, Phi-4, Llama 3.2 11B (Vision), Gemma 3 27B, Gemma 3 4B y Gemma 3 12B.
El modelo más inteligente disponible en DeepInfra es MiMo-V2.6-Pro, con una puntuación de 46 en el Índice de Inteligencia.
El modelo más rápido en DeepInfra por velocidad de salida es gpt-oss-120b (high) (Turbo), con 349.2 tokens por segundo.
El modelo con el menor tiempo hasta el primer token de respuesta en DeepInfra es Llama 4 Maverick (FP8), con 0.55s. Una menor latencia significa una respuesta inicial más rápida.
El modelo más económico en DeepInfra por precio combinado es Llama 3.1 8B (Turbo, FP8), a $0.02 por 1M de tokens (proporción 7:2:1 de aciertos de caché/entrada/salida).
Los precios en DeepInfra varían hasta 52x entre modelos, desde $0.02 por 1M de tokens para Llama 3.1 8B (Turbo, FP8) hasta $1.14 por 1M de tokens para Qwen3.8 2.4T A95B.
Sí, DeepInfra ofrece una API compatible con OpenAI, lo que facilita cambiar desde OpenAI o usar integraciones existentes del SDK de OpenAI.
100 de 103 modelos en DeepInfra admiten el modo JSON para salida estructurada.
99 de 103 modelos en DeepInfra admiten llamadas a funciones (uso de herramientas).
Sí, DeepInfra ofrece 58 modelos de razonamiento: MiMo-V2.6-Pro, GLM-5.3 (max), GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4.1 Flash (max), DeepSeek V4 Pro 0813 (max), DeepSeek V4 Flash Vision (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max) (FP4), Qwen3.8 27B (xhigh), DeepSeek V4 Pro (max) (FP4), DeepSeek V4 Pro (high) (FP4), MiniMax-M3, GLM-5 (FP4), Inkling Small, Kimi K2.6 (FP4), GLM-5.1 (FP4), DeepSeek V4 Flash (high) (FP4), MiMo-V2.5-Pro, Kimi K2.7 Code, Hy3 (FP8), MiMo-V2.5, Inkling (FP8), Ling 3.0 Flash, DeepSeek V4 Flash (max) (FP4), Kimi K2.5, Nemotron 3 Ultra, Nemotron 3 Ultra BF16, Qwen3.5 27B (FP8), MiniMax-M2.5 (FP8), GLM-4.7 (FP4), DeepSeek V3.2 (FP4), Qwen3.6 27B FP8, Step 3.7 Flash, Qwen3.5 35B A3B (FP8), Gemma 4 31B, GLM-4.6 (FP4), Qwen3.5 397B A17B (FP8), Qwen3.6 35B A3B (FP8), Muse Glimmer (high), Gemma 4 26B A4B (FP8), Qwen3.5 122B A10B (FP4), GLM-4.7-Flash, Granite 4.2 30B, Qwen3.5 4B (FP8), Qwen3 235B A22B 2507 (FP8), gpt-oss-120b (high) (Turbo), gpt-oss-120b (high), Granite 4.2 8B, gpt-oss-120b (low), Granite 4.2 3B, gpt-oss-20b (high), Gemma 4 E4B, Nemotron 3 Nano, Qwen3 32B (FP8), Qwen3 14B (FP8), Qwen3 30B (FP8) y NVIDIA Nemotron Nano 9B V2. Los modelos de razonamiento usan pensamiento extendido para resolver problemas complejos antes de responder.
Sí, 102 de 103 modelos en DeepInfra son modelos de pesos abiertos: MiMo-V2.6-Pro, GLM-5.3 (max), GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4.1 Flash (max), DeepSeek V4 Pro 0813 (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max) (FP4), Qwen3.8 27B (xhigh), DeepSeek V4 Pro (max) (FP4), DeepSeek V4 Pro (high) (FP4), MiniMax-M3, GLM-5 (FP4), Inkling Small, Kimi K2.6 (FP4), GLM-5.1 (FP4), DeepSeek V4 Flash (high) (FP4), MiMo-V2.5-Pro, Kimi K2.7 Code, Hy3 (FP8), MiMo-V2.5, Inkling (FP8), Ling 3.0 Flash, GLM-5.1 (Non-reasoning) (FP4), DeepSeek V4 Flash (max) (FP4), Kimi K2.6 (Non-reasoning) (FP4), Kimi K2.5, Nemotron 3 Ultra, Nemotron 3 Ultra BF16, Qwen3.5 27B (FP8), MiniMax-M2.5 (FP8), GLM-4.7 (FP4), GLM-5 (Non-reasoning) (FP8), DeepSeek V3.2 (FP4), Qwen3.5 397B A17B (Non-reasoning) (FP8), Qwen3.6 27B FP8, Qwen3.6 27B (Non-reasoning) FP8, Step 3.7 Flash, Qwen3.5 27B (Non-reasoning) FP8, Qwen3.5 35B A3B (FP8), Gemma 4 31B, GLM-4.6 (FP4), Qwen3.5 397B A17B (FP8), MiMo-V2.5-Pro (Non-reasoning), Qwen3.6 35B A3B (FP8), Qwen3.5 122B A10B (Non-reasoning) (FP4), Muse Glimmer (high), GLM-4.7 (Non-reasoning) (FP4), Gemma 4 26B A4B (FP8), DeepSeek V3.2 (Non-reasoning), Qwen3.5 122B A10B (FP4), Qwen3.6 35B A3B (Non-reasoning) (FP8), Qwen3.5 35B A3B (Non-reasoning) FP8, GLM-4.7-Flash, Granite 4.2 30B, DeepSeek V3.1 Terminus (Non-reasoning) (FP4), Gemma 4 31B (Non-reasoning) (FP8), DeepSeek V3.1 (Non-reasoning) (FP4), Gemma 4 26B A4B (Non-reasoning) (FP8), Qwen3.5 4B (FP8), Qwen3 235B A22B 2507 (FP8), Qwen3 235B 2507 (FP8), Qwen3 Coder 480B (Turbo, FP4), gpt-oss-120b (high) (Turbo), gpt-oss-120b (high), Granite 4.2 8B, Qwen3.5 4B (Non-reasoning) FP8, gpt-oss-120b (low), Llama 4 Maverick (FP8), DeepSeek V3 0324 (FP4), Qwen3 Next 80B A3B, Granite 4.2 3B, gpt-oss-20b (high), Gemma 4 E4B, Nemotron 3 Nano, Qwen3 32B (FP8), DeepSeek V3 (Dec), Mistral Small 3.2 (FP8), Qwen3 14B (FP8), Llama 4 Scout, Qwen2.5 72B, Llama 3.3 70B (Turbo, FP8), Qwen3 30B (FP8), Gemma 4 E4B (Non-reasoning), NVIDIA Nemotron Nano 9B V2, Qwen3 32B (Non-reasoning) (FP8), Mistral Small 3.1, Llama 3.1 8B (Turbo, FP8), Llama 3.1 8B, Nemotron 3 Nano (Non-reasoning), NVIDIA Nemotron Nano 9B V2 (Non-reasoning), Qwen3 14B (Non-reasoning) (FP8), Mistral Small 3, Qwen3 30B (Non-reasoning) (FP8), Llama 3.1 70B, Llama 3.1 70B (Turbo, FP8), Hermes 3 - Llama-3.1 70B, Phi-4, Llama 3.2 11B (Vision), Gemma 3 27B, Gemma 3 4B y Gemma 3 12B.
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 DeepInfra, 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.