Nebius: inteligencia, rendimiento y precio de sus modelos

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Nebius

Este análisis está pensado para ayudarte a elegir el mejor modelo ofrecido por Nebius para tu caso de uso.

Más inteligente

Updated

Kimi K3.1 Pro

DeepSeek V4.1 Flash 1017 (max)

GLM-5.3 (max) (FP4)

MiniMax-M3.1-Flash

GLM-5.3-Flash

Intelligence Index

27 modelos en total

Menor tiempo por tarea

Beam 1.0 (NVFP4)

2.0 min

Qwen3.8 27B (non-reasoning) (FP4)

2.7 min

Kimi K3 (low)

3.4 min

Nemotron 3 Ultra

4.1 min

Nemotron 3.5 Lightning (BF16)

6.6 min

Tiempo por tarea del Intelligence Index (minutos)

27 modelos en total

Menor precio

Nemotron 3.5 Lightning (BF16)

$0.08

Nemotron 3 Nano

$0.08

MiniMax-M3.1-Flash

$0.10

GLM-5.3-Flash

$0.10

Gemma 3 27B (FP8)

$0.12

Precio combinado (por 1M de tokens)

27 modelos en total

Nebius ofrece 27 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 Nebius son Kimi K3.1 Pro (46), DeepSeek V4.1 Flash 1017 (max) (33) y GLM-5.3 (max) (FP4) (32).
En tiempo por tarea, Beam 1.0 (NVFP4) (2.0 min), Qwen3.8 27B (non-reasoning) (FP4) (2.7 min) y Kimi K3 (low) (3.4 min) completan una tarea del Intelligence Index más rápido en Nebius. El tiempo por tarea varía significativamente entre modelos: el más lento tarda 3.3x más que el más rápido.
En latencia, gpt-oss-120b (low) Base (1.66s), Qwen3.8 27B (non-reasoning) (FP4) (1.94s) y GLM-5.2 (non-reasoning) (FP4) (2.07s) ofrecen el menor tiempo hasta el primer token de respuesta.
En precios, Nemotron 3.5 Lightning (BF16) ($0.08), Nemotron 3 Nano ($0.08) y MiniMax-M3.1-Flash ($0.10) ofrecen los menores precios combinados por 1M de tokens.
En tamaño de ventana de contexto, MiniMax-M3 (FP8) (1M), Kimi K3.1 Pro (1M) y DeepSeek V4.1 Flash 1017 (max) (1M) admiten las ventanas de contexto más grandes en Nebius.

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Tiempo por tarea

Inference time (minutes) per Intelligence Index task · Lower is better

Precio

USD per 1M tokens (blended) · Lower is better

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3DNew

Agentic interactive 3D experiences, Elo

Code2Video-AANew

Product and brand videos designed in code, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Intelligence Index vs. precio

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

Precios

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Intelligence Index vs. precio

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

Velocidad

Promedio de las cargas medidas de solicitud única y agénticas multiturno

Tiempo por tarea del Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Calidad

Endpoint Accuracy Index

Precisión de cada endpoint como % del endpoint de referencia de su modelo · El color indica si la diferencia es estadísticamente significativa

Composite measure of how much of a model's accuracy a given provider endpoint preserves, from re-running BFCL v4-500, HLE-250 and AA-LCR-25 against that endpoint. Where a self-hosted reference endpoint exists, scores are expressed as a percentage of that reference (100 = matches reference); lower scores indicate accuracy lost to quantisation, sampling defaults, or other endpoint-side configuration. Scores are point-in-time snapshots. Methodology.

Latencia

Promedio de las cargas medidas de solicitud única y agénticas multiturno

Tiempo hasta el primer token de respuesta

Segundos hasta el primer token de respuesta tras cualquier razonamiento · Promedio de las cargas medidas de solicitud única y agénticas multiturno · Cuanto menor, mejor

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

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

Proporción de solicitudes que el endpoint no completó por un error, un límite de tasa o un tiempo de espera agotado · En todas las cargas medidas de solicitud única y agénticas multiturno · Cuanto menor, mejor

Share of requests over the past 5 days that the endpoint failed with an error, a rate limit or a timeout. Failures on our side are left out of both counts. Across several workloads, the failures and requests are pooled before dividing.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Caché

Tasa de aciertos de caché

Mediana de las ejecuciones de sesiones agénticas multiturno en las últimas cuatro semanas, actualizada el 26 oct 2026 · Cuanto mayor, mejor

The share of cacheable input tokens served from the provider's prompt cache, measured during multi-turn agentic sessions. We regularly measure each endpoint and report a representative rate based on recent measurements. Higher values mean more of the input is billed at the cheaper cache-hit price, where the provider offers one, which lowers the effective cost of agentic workloads. For further details, see our methodology page.

Costo por tarea vs. Tasa de aciertos de caché

Weighted average cost (USD) per Intelligence Index task · Cache hit rate: median of the last four weeks, updated Oct 26, 2026

Most attractive quadrant

Pareto line


								Análisis adicional
Kimi K3.1 Pro	46	$4.38	14.6	75.90	1.5%	1M	Abierto	Modelo Proveedor
DeepSeek V4.1 Flash 1017 (max)	33	$3.27	12.8	50.46	0.0%	1M	Abierto	Modelo Proveedor
GLM-5.3 (max) (FP4)	32	$4.92	10.9	31.64	0.0%	1M	Abierto	Modelo Proveedor
MiniMax-M3.1-Flash	29	$1.01	19.3	80.72	1.8%	1M	Abierto	Modelo Proveedor
GLM-5.3-Flash	28	$0.95	15.7	38.14	0.0%	1M	Abierto	Modelo Proveedor
Muse Spark Open (xhigh) (FP4)	25	$1.61	7.5	13.02	1.3%	1M	Abierto	Modelo Proveedor
DeepSeek V4 Pro 0813 (max)	23	$13.43	15.3	40.12	0.0%	1M	Abierto	Modelo Proveedor
Qwen3.8 27B (xhigh) (FP4)	20	$1.98	6.8	20.48	0.0%	262k	Abierto	Modelo Proveedor
MiniMax-M3 (FP8)	19	$1.30	7.0	4.79	0.0%	1M	Abierto	Modelo Proveedor
Beam 1.0 (NVFP4)	18	$0.65	1.9	7.43	0.0%	1M	Abierto	Modelo Proveedor
Kimi K3 (low)	17	$1.81	4.0	4.94	0.0%	1M	Abierto	Modelo Proveedor
Nemotron 3.5 Super VL	14	$0.84	6.9	21.43	2.4%	1M	Abierto	Modelo Proveedor
DeepSeek V4 Pro 0813 (non-reasoning)	13	$6.52	11.9	2.65	0.0%	1M	Abierto	Modelo Proveedor
Nemotron 3 Ultra	12	$3.81	3.9	4.13	0.0%	256k	Abierto	Modelo Proveedor
Qwen3.8 27B (non-reasoning) (FP4)	10	$2.33	2.8	1.98	0.0%	262k	Abierto	Modelo Proveedor
Nemotron 3.5 Lightning (BF16)	6	$0.32	6.8	27.82	1.6%	1M	Abierto	Modelo Proveedor
Gemma 3 27B (FP8)	--	--	--	9.26	0.0%	110k	Abierto	Modelo Proveedor
Nemotron 3 Super	--	--	--	9.99	0.0%	256k	Abierto	Modelo Proveedor
Nemotron 3 Nano	--	--	--	8.59	2.1%	262k	Abierto	Modelo Proveedor
Qwen3 30B A3B 2507 (non-reasoning)	--	--	--	2.33	2.7%	262k	Abierto	Modelo Proveedor
Hermes 4 405B (FP8)	--	--	--	18.94	17.1%	128k	Abierto	Modelo Proveedor
gpt-oss-120b (low) Base	--	--	--	1.70	9.2%	128k	Abierto	Modelo Proveedor
Hermes 4 405B (non-reasoning) (FP8)	--	--	--	5.23	12.6%	128k	Abierto	Modelo Proveedor
GLM-5.2 (non-reasoning) (FP4)	--	--	--	2.67	0.0%	432k	Abierto	Modelo Proveedor
gpt-oss-120b (high) (Base)	--	--	--	8.50	9.3%	128k	Abierto	Modelo Proveedor
GLM-5.2 (max) (FP4)	--	--	--	17.48	0.0%	432k	Abierto	Modelo Proveedor
Kimi K3 (max)	--	--	--	26.04	0.0%	1M	Abierto	Modelo Proveedor

Definiciones clave

Average cost per task in the index. Costs are split by input, cache hit, cache write, reasoning, and answer token pricing where canonical token counts are available.

Preguntas frecuentes

Preguntas comunes sobre Nebius

El modelo más inteligente disponible en Nebius es Kimi K3.1 Pro, con una puntuación de 46 en el Intelligence Index.

El modelo con el menor tiempo por tarea en Nebius es Beam 1.0 (NVFP4), con 2.0 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 Nebius es gpt-oss-120b (low) Base, con 1.66s. Una menor latencia significa una respuesta inicial más rápida.

El modelo más económico en Nebius por precio combinado es Nemotron 3.5 Lightning (BF16), a $0.078 por 1M de tokens (proporción 7:2:1 de aciertos de caché/entrada/salida).

Los precios en Nebius varían hasta 30x entre modelos, desde $0.078 por 1M de tokens para Nemotron 3.5 Lightning (BF16) hasta $2.31 por 1M de tokens para Kimi K3 (max).

Sí, Nebius ofrece una API compatible con OpenAI, lo que facilita cambiar desde OpenAI o usar integraciones existentes del SDK de OpenAI.

Sí, los 27 modelos en Nebius admiten el modo JSON para salida estructurada.

Sí, los 27 modelos en Nebius admiten llamadas a funciones (uso de herramientas).

Sí, Nebius ofrece 21 modelos de razonamiento: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max) (FP4), MiniMax-M3.1-Flash, GLM-5.3-Flash, Muse Spark Open (xhigh) (FP4), DeepSeek V4 Pro 0813 (max), Qwen3.8 27B (xhigh) (FP4), MiniMax-M3 (FP8), Beam 1.0 (NVFP4), Kimi K3 (low), Nemotron 3.5 Super VL, Nemotron 3 Ultra, Nemotron 3.5 Lightning (BF16), Nemotron 3 Super, Nemotron 3 Nano, Hermes 4 405B (FP8), gpt-oss-120b (low) Base, gpt-oss-120b (high) (Base), GLM-5.2 (max) (FP4) y Kimi K3 (max). Los modelos de razonamiento usan pensamiento extendido para resolver problemas complejos antes de responder.

Sí, los 27 modelos en Nebius 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 Nebius, 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.

Nebius: inteligencia, rendimiento y precio de sus modelos

Más inteligente

Menor tiempo por tarea

Menor precio

Inteligencia

Tiempo por tarea

Precio

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Index vs. precio

Price-Quality Variance

Precios

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Intelligence Index vs. precio

Price-Quality Variance

Velocidad

Tiempo por tarea del Intelligence Index

Time per Intelligence Index Task

Time Period

Calidad

Endpoint Accuracy Index

Endpoint Accuracy Index

Latencia

Tiempo hasta el primer token de respuesta

Time to First Answer Token

Time Period

Fiabilidad

Tasa de errores del endpoint

Endpoint Error Rate

Time Period

Caché

Tasa de aciertos de caché

What Cache Hit Rate Shows

Costo por tarea vs. Tasa de aciertos de caché

Cost per Intelligence Index Task

What Cache Hit Rate Shows

Definiciones clave

Index Cost per Task

Preguntas frecuentes

¿Qué modelos ofrece Nebius?

¿Cuál es el modelo más inteligente en Nebius?

¿Qué modelo tiene el menor tiempo por tarea en Nebius?

¿Qué modelo tiene la menor latencia en Nebius?

¿Cuál es el modelo más barato en Nebius?

¿Cuánto varían los precios entre modelos en Nebius?

¿Es Nebius compatible con OpenAI?

¿Nebius admite el modo JSON?

¿Nebius admite llamadas a funciones?

¿Nebius ofrece modelos de razonamiento?

¿Nebius ofrece modelos de pesos abiertos?

¿El rendimiento de Nebius cambia con el tiempo?

¿Cómo elijo un modelo en Nebius?