Makora: inteligencia, rendimiento y precio de sus modelos
Este análisis está pensado para ayudarte a elegir el mejor modelo ofrecido por Makora para tu caso de uso.
Más inteligente
DeepSeek V4.1 Flash 1017 (max)
GLM-5.3 (max)GLM-5.3-Flash
MiMo-V2.6-Flash
Muse Spark Open (xhigh) (NVFP4)Intelligence Index
9 modelos en total
Menor tiempo por tarea
Muse Spark Open (xhigh) (NVFP4)DeepSeek V4.1 Flash 1017 (max)GLM-5.3-FlashMiMo-V2.6-FlashGLM-5.3 (max)Tiempo por tarea del Intelligence Index (minutos)
9 modelos en total
Menor precio
MiMo-V2.6-Flash
Gemma 4 26B A4BGemma 4 26B A4B (non-reasoning)GLM-5.3-FlashDeepSeek V4.1 Flash 1017 (max)Precio combinado (por 1M de tokens)
9 modelos en total
Makora 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 Makora son DeepSeek V4.1 Flash 1017 (max) (33), GLM-5.3 (max) (32) y GLM-5.3-Flash (28).
- En tiempo por tarea, Muse Spark Open (xhigh) (NVFP4) (4.0 min), DeepSeek V4.1 Flash 1017 (max) (8.6 min) y GLM-5.3-Flash (15.0 min) completan una tarea del Intelligence Index más rápido en Makora. El tiempo por tarea varía significativamente entre modelos: el más lento tarda 6.1x más que el más rápido.
- En latencia, Gemma 4 26B A4B (non-reasoning) (1.34s), Gemma 4 26B A4B (8.22s) y Muse Spark Open (xhigh) (NVFP4) (9.58s) ofrecen el menor tiempo hasta el primer token de respuesta.
- En precios, MiMo-V2.6-Flash ($0.06), Gemma 4 26B A4B ($0.06) y Gemma 4 26B A4B (non-reasoning) ($0.06) ofrecen los menores precios combinados por 1M de tokens. Los precios varían hasta 2.7x entre modelos.
- En tamaño de ventana de contexto, DeepSeek V4.1 Flash 1017 (max) (1M), GLM-5.3 (max) (1M) y GLM-5.3-Flash (1M) admiten las ventanas de contexto más grandes en Makora.
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 | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
DeepSeek V4.1 Flash 1017 (max) | 33 | $1.24 | 8.6 | 35.90 | 0.0% | 1M | Abierto | |||
GLM-5.3 (max) | 32 | $1.99 | 24.4 | 82.96 | 1.7% | 1M | Abierto | |||
GLM-5.3-Flash | 28 | $0.87 | 15.0 | 24.43 | 0.0% | 1M | Abierto | |||
MiMo-V2.6-Flash | 27 | $0.43 | 21.6 | 15.69 | 0.0% | 1M | Abierto | |||
Muse Spark Open (xhigh) (NVFP4) | 25 | $1.68 | 4.0 | 9.58 | 0.0% | 1M | Abierto | |||
Gemma 4 26B A4B | -- | -- | -- | 8.22 | 0.8% | 1M | Abierto | |||
Gemma 4 26B A4B (non-reasoning) | -- | -- | -- | 1.34 | 0.0% | 1M | Abierto | |||
DeepSeek V4.1 Flash (max) | -- | -- | -- | 43.75 | 2.6% | 1M | Abierto | |||
 Kimi K3 (max) | -- | -- | -- | 61.01 | 0.0% | 1M | Abierto | |||
Definiciones clave
Preguntas frecuentes
Preguntas comunes sobre Makora
Makora ofrece 9 modelos que monitoreamos: DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), GLM-5.3-Flash, MiMo-V2.6-Flash, Muse Spark Open (xhigh) (NVFP4), Gemma 4 26B A4B, Gemma 4 26B A4B (non-reasoning), DeepSeek V4.1 Flash (max) y Kimi K3 (max).
El modelo más inteligente disponible en Makora es DeepSeek V4.1 Flash 1017 (max), con una puntuación de 33 en el Intelligence Index.
El modelo con el menor tiempo por tarea en Makora es Muse Spark Open (xhigh) (NVFP4), con 4.0 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 Makora es Gemma 4 26B A4B (non-reasoning), con 1.34s. Una menor latencia significa una respuesta inicial más rápida.
El modelo más económico en Makora por precio combinado es MiMo-V2.6-Flash, a $0.0581 por 1M de tokens (proporción 7:2:1 de aciertos de caché/entrada/salida).
Los precios en Makora varían hasta 24x entre modelos, desde $0.0581 por 1M de tokens para MiMo-V2.6-Flash hasta $1.38 por 1M de tokens para Kimi K3 (max).
Sí, Makora 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 Makora admiten el modo JSON para salida estructurada.
Sí, los 9 modelos en Makora admiten llamadas a funciones (uso de herramientas).
Sí, Makora ofrece 8 modelos de razonamiento: DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), GLM-5.3-Flash, MiMo-V2.6-Flash, Muse Spark Open (xhigh) (NVFP4), Gemma 4 26B A4B, DeepSeek V4.1 Flash (max) y Kimi K3 (max). Los modelos de razonamiento usan pensamiento extendido para resolver problemas complejos antes de responder.
Sí, los 9 modelos en Makora 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 Makora, 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.