Multiverse Computing: inteligencia, rendimiento y precio de sus modelos
Este análisis está pensado para ayudarte a elegir el mejor modelo ofrecido por Multiverse Computing para tu caso de uso.
Más inteligente
Updated
GLM-5.3 (max)GLM-5.2 (max)
Qwen3.8 27B (xhigh)Qwen3.8 27B (medium)Quasar 438B (max)Índice de inteligencia
9 modelos en total
Más rápido
HyperNova 60B 2605 (high)Qwen3.8 27BQwen3.8 27B (low)Qwen3.8 27B (xhigh)Qwen3.8 27B (medium)Velocidad de salida
9 modelos en total
Menor precio
HyperNova 60B 2605 (high)
Mistral Small 3.1Qwen3.8 27B (xhigh)Qwen3.8 27B (medium)Qwen3.8 27B (low)Precio combinado (por 1M de tokens)
9 modelos en total
Multiverse Computing 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 Multiverse Computing son GLM-5.3 (max) (45), GLM-5.2 (max) (34) y Qwen3.8 27B (xhigh) (34).
- En velocidad de salida, los modelos más rápidos son HyperNova 60B 2605 (high) (348 t/s), Qwen3.8 27B (222 t/s) y Qwen3.8 27B (low) (198 t/s). La velocidad varía significativamente entre modelos, con una diferencia del 78% entre el más rápido y el más lento.
- En latencia, Qwen3.8 27B (0.94s), Mistral Small 3.1 (1.30s) y HyperNova 60B 2605 (high) (6.31s) ofrecen el menor tiempo hasta el primer token de respuesta.
- En precios, HyperNova 60B 2605 (high) ($0.05), Mistral Small 3.1 ($0.12) y Qwen3.8 27B (xhigh) ($0.56) ofrecen los menores precios combinados por 1M de tokens. Los precios varían hasta 11.2x entre modelos.
- En tamaño de ventana de contexto, GLM-5.3 (max) (1M), GLM-5.2 (max) (1M) y Quasar 438B (max) (1M) admiten las ventanas de contexto más grandes en Multiverse Computing.
- HyperNova 60B 2605 (high) ofrece la salida más rápida y los mejores precios, lo que lo hace atractivo para aplicaciones sensibles al rendimiento y al costo. GLM-5.3 (max) lidera en inteligencia para tareas que requieren la máxima calidad.
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
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
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 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
GLM-5.3 (max) | 1M | Abierto | 45 | $6.82 | 152 | 0.78 | 17.28 | 13.20 | |||
GLM-5.2 (max) | 1M | Abierto | 34 | $2.31 | 87 | 1.04 | 29.64 | 22.88 | |||
Qwen3.8 27B (xhigh) | 262k | Abierto | 34 | $1.98 | 201 | 0.95 | 13.39 | 9.95 | |||
Qwen3.8 27B (medium) | 262k | Abierto | 28 | $2.36 | 200 | 1.00 | 13.50 | 10.00 | |||
Quasar 438B (max) | 1M | Propietario | 27 | $2.02 | 167 | 1.03 | 16.00 | 11.98 | |||
Qwen3.8 27B (low) | 262k | Abierto | 26 | $2.19 | 199 | 0.90 | 13.45 | 10.04 | |||
Qwen3.8 27B | 262k | Abierto | 22* | -- | 226 | 0.94 | 3.16 | -- | |||
HyperNova 60B 2605 (high) | 131k | Abierto | 12* | -- | 348 | 0.57 | 7.75 | 5.74 | |||
Mistral Small 3.1 | 128k | Abierto | 7 | $0.04 | 74 | 1.32 | 8.08 | -- | |||
Definiciones clave
Preguntas frecuentes
Preguntas comunes sobre Multiverse Computing
Multiverse Computing ofrece 9 modelos que monitoreamos: GLM-5.3 (max), GLM-5.2 (max), Qwen3.8 27B (xhigh), Qwen3.8 27B (medium), Quasar 438B (max), Qwen3.8 27B (low), Qwen3.8 27B, HyperNova 60B 2605 (high) y Mistral Small 3.1.
El modelo más inteligente disponible en Multiverse Computing es GLM-5.3 (max), con una puntuación de 45 en el Índice de Inteligencia.
El modelo más rápido en Multiverse Computing por velocidad de salida es HyperNova 60B 2605 (high), con 348.5 tokens por segundo.
El modelo con el menor tiempo hasta el primer token de respuesta en Multiverse Computing es Qwen3.8 27B, con 0.94s. Una menor latencia significa una respuesta inicial más rápida.
El modelo más económico en Multiverse Computing por precio combinado es HyperNova 60B 2605 (high), a $0.05 por 1M de tokens (proporción 7:2:1 de aciertos de caché/entrada/salida).
Los precios en Multiverse Computing varían hasta 27x entre modelos, desde $0.05 por 1M de tokens para HyperNova 60B 2605 (high) hasta $1.34 por 1M de tokens para GLM-5.2 (max).
Sí, Multiverse Computing 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 Multiverse Computing admiten el modo JSON para salida estructurada.
Sí, los 9 modelos en Multiverse Computing admiten llamadas a funciones (uso de herramientas).
Sí, Multiverse Computing ofrece 7 modelos de razonamiento: GLM-5.3 (max), GLM-5.2 (max), Qwen3.8 27B (xhigh), Qwen3.8 27B (medium), Quasar 438B (max), Qwen3.8 27B (low) y HyperNova 60B 2605 (high). Los modelos de razonamiento usan pensamiento extendido para resolver problemas complejos antes de responder.
Sí, 8 de 9 modelos en Multiverse Computing son modelos de pesos abiertos: GLM-5.3 (max), GLM-5.2 (max), Qwen3.8 27B (xhigh), Qwen3.8 27B (medium), Qwen3.8 27B (low), Qwen3.8 27B, HyperNova 60B 2605 (high) y Mistral Small 3.1.
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 Multiverse Computing, 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.