Novita: inteligencia, rendimiento y precio de sus modelos
Este análisis está pensado para ayudarte a elegir el mejor modelo ofrecido por Novita para tu caso de uso.
Más inteligente
DeepSeek V4.1 Flash 1017 (max)
GLM-5.3 (max)
MiniMax-M3.1-FlashGLM-5.3-FlashDeepSeek V4 Pro 0813 (max)Intelligence Index
61 modelos en total
Menor tiempo por tarea
MiniMax-M3MiniMax-M3.1-FlashDeepSeek V4.1 Flash 1017 (max)GLM-5.3 (max)DeepSeek V4 Pro 0813 (max)Tiempo por tarea del Intelligence Index (minutos)
61 modelos en total
Menor precio
Llama 3.1 8BGLM-4.7-FlashGLM-4.7-Flash (non-reasoning)
Nemotron 3 Nano (non-reasoning) (FP4)Nemotron 3 Nano (FP4)Precio combinado (por 1M de tokens)
61 modelos en total
Novita ofrece 61 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 Novita son DeepSeek V4.1 Flash 1017 (max) (33), GLM-5.3 (max) (32) y MiniMax-M3.1-Flash (29).
- En tiempo por tarea, MiniMax-M3 (14.6 min), MiniMax-M3.1-Flash (17.7 min) y DeepSeek V4.1 Flash 1017 (max) (19.3 min) completan una tarea del Intelligence Index más rápido en Novita.
- En latencia, Llama 3.1 8B (0.98s), Gemma 3 27B (1.07s) y DeepSeek V3 (Dec) (1.21s) ofrecen el menor tiempo hasta el primer token de respuesta.
- En precios, Llama 3.1 8B ($0.02), GLM-4.7-Flash ($0.06) y GLM-4.7-Flash (non-reasoning) ($0.06) ofrecen los menores precios combinados por 1M de tokens. Los precios varían hasta 2.8x entre modelos.
- En tamaño de ventana de contexto, DeepSeek V4.1 Flash 1017 (max) (1M), GLM-5.3-Flash (1M) y DeepSeek V4 Pro 0813 (max) (1M) admiten las ventanas de contexto más grandes en Novita.
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 | $0.52 | 19.3 | 66.87 | 0.8% | 1M | Abierto | |||
GLM-5.3 (max) | 32 | $5.00 | 19.3 | 56.29 | 0.8% | 1M | Abierto | |||
MiniMax-M3.1-Flash | 29 | $0.43 | 17.7 | 55.21 | 0.0% | 1M | Abierto | |||
GLM-5.3-Flash | 28 | $0.80 | 31.3 | 66.61 | 0.8% | 1M | Abierto | |||
DeepSeek V4 Pro 0813 (max) | 23 | $1.86 | 26.0 | 81.42 | 2.4% | 1M | Abierto | |||
MiniMax-M3 | 19 | $1.16 | 14.6 | 78.06 | 0.9% | 1M | Abierto | |||
 Gemma 4 31B | 4 | -- | -- | 60.10 | 0.0% | 262k | Abierto | |||
GLM-4.5V (non-reasoning) | -- | -- | -- | 4.47 | 0.0% | 66k | Abierto | |||
DeepSeek V3.1 Terminus (FP8) | -- | -- | -- | -- | -- | 131k | Abierto | |||
 Kimi K2.6 | -- | -- | -- | 84.86 | 0.0% | 262k | Abierto | |||
DeepSeek R1 (Jan) Turbo | -- | -- | -- | -- | -- | 64k | Abierto | |||
DeepSeek R1 (Jan) | -- | -- | -- | -- | -- | 64k | Abierto | |||
 Qwen3.5 397B A17B | -- | -- | -- | 38.94 | 0.0% | 262k | Abierto | |||
Kimi K2.6 (non-reasoning) | -- | -- | -- | 8.53 | 0.0% | 262k | Abierto | |||
MiniMax-M2.5 | -- | -- | -- | 20.02 | 0.0% | 205k | Abierto | |||
Qwen3.5 27B | -- | -- | -- | 35.59 | 0.0% | 262k | Abierto | |||
DeepSeek V3.1 | -- | -- | -- | -- | -- | 131k | Abierto | |||
Qwen3.5 122B A10B | -- | -- | -- | 21.06 | 0.0% | 262k | Abierto | |||
Nemotron 3 Nano (non-reasoning) (FP4) | -- | -- | -- | 1.95 | 0.9% | 262k | Abierto | |||
Gemma 3 27B | -- | -- | -- | 1.07 | 0.0% | 98k | Abierto | |||
GLM-4.7-Flash | -- | -- | -- | 59.74 | 0.0% | 200k | Abierto | |||
GLM-4.5V | -- | -- | -- | 15.81 | 0.0% | 66k | Abierto | |||
Qwen3.5 397B A17B (non-reasoning) | -- | -- | -- | 2.76 | 1.6% | 262k | Abierto | |||
Qwen3.6 27B (non-reasoning) | -- | -- | -- | 37.34 | 2.9% | 262k | Abierto | |||
GLM-5 FP8 | -- | -- | -- | 30.31 | 0.0% | 203k | Abierto | |||
GLM-4.6V (non-reasoning) | -- | -- | -- | 10.23 | 0.0% | 131k | Abierto | |||
DeepSeek V3 (Dec) | -- | -- | -- | 1.21 | 0.0% | 64k | Abierto | |||
Kimi K2 | -- | -- | -- | 8.73 | 2.3% | 131k | Abierto | |||
Qwen3.5 35B A3B | -- | -- | -- | 24.04 | 0.0% | 262k | Abierto | |||
MiniMax-M2.7 (FP8) | -- | -- | -- | 24.58 | 0.0% | 205k | Abierto | |||
Qwen3 VL 30B A3B | -- | -- | -- | 2.23 | 0.0% | 131k | Abierto | |||
GLM-5.1 (FP8) | -- | -- | -- | 24.86 | 0.0% | 205k | Abierto | |||
DeepSeek V4 Pro (high) | -- | -- | -- | -- | -- | 1M | Abierto | |||
Kimi K2 0905 | -- | -- | -- | 2.96 | 0.0% | 262k | Abierto | |||
Qwen3.6 35B A3B (non-reasoning) | -- | -- | -- | 3.20 | 1.4% | 205k | Abierto | |||
GLM-4.6 | -- | -- | -- | 44.62 | 0.0% | 205k | Abierto | |||
Gemma 4 26B A4B | -- | -- | -- | 25.93 | 0.7% | 262k | Abierto | |||
GLM-4.7 | -- | -- | -- | 52.08 | 0.0% | 205k | Abierto | |||
Gemma 4 26B A4B (non-reasoning) | -- | -- | -- | 1.72 | 0.0% | 262k | Abierto | |||
Llama 3.1 8B | -- | -- | -- | 0.98 | 0.0% | 16k | Abierto | |||
Nemotron 3 Nano (FP4) | -- | -- | -- | 7.58 | 0.0% | 262k | Abierto | |||
GLM-4.7 (non-reasoning) | -- | -- | -- | 11.96 | 0.0% | 205k | Abierto | |||
Llama 3 8B | -- | -- | -- | -- | -- | 8k | Abierto | |||
Qwen3.6 35B A3B | -- | -- | -- | 19.38 | 0.0% | 205k | Abierto | |||
Qwen3.6 27B | -- | -- | -- | 48.14 | 0.0% | 262k | Abierto | |||
Kimi K2.7 Code | -- | -- | -- | 37.71 | 0.8% | 262k | Abierto | |||
Llama 4 Maverick (FP8) | -- | -- | -- | 2.25 | 0.0% | 1M | Abierto | |||
GLM-5.1 (non-reasoning) (FP8) | -- | -- | -- | 6.34 | 0.0% | 205k | Abierto | |||
GLM-4.6 (non-reasoning) | -- | -- | -- | 15.74 | 0.0% | 205k | Abierto | |||
Llama 3.3 70B | -- | -- | -- | 4.97 | 4.1% | 131k | Abierto | |||
MiniMax M1 80k | -- | -- | -- | 4.65 | 0.0% | 1M | Abierto | |||
Kimi K2.5 | -- | -- | -- | 30.80 | 0.0% | 262k | Abierto | |||
DeepSeek R1 0528 | -- | -- | -- | 79.07 | 0.0% | 164k | Abierto | |||
Llama 3 70B | -- | -- | -- | -- | -- | 8k | Abierto | |||
Llama 4 Scout | -- | -- | -- | 17.77 | 7.1% | 131k | Abierto | |||
 Hy3 | -- | -- | -- | 49.31 | 0.0% | 262k | Abierto | |||
Kimi K2.5 (non-reasoning) | -- | -- | -- | 6.31 | 0.0% | 262k | Abierto | |||
Kimi K2 Thinking | -- | -- | -- | 38.04 | 0.0% | 262k | Abierto | |||
DeepSeek V4 Pro (max) | -- | -- | -- | 108.40 | 0.0% | 1M | Abierto | |||
GLM-4.7-Flash (non-reasoning) | -- | -- | -- | 16.54 | 2.9% | 200k | Abierto | |||
 gpt-oss-120b (low) | -- | -- | -- | 5.86 | 2.5% | 131k | Abierto | |||
Gemma 4 31B (non-reasoning) | -- | -- | -- | 5.83 | 0.6% | 262k | Abierto | |||
GLM-4.6V | -- | -- | -- | 37.45 | 0.0% | 131k | Abierto | |||
DeepSeek V4.1 Flash (max) | -- | -- | -- | 70.44 | 0.0% | 524k | Abierto | |||
DeepSeek V3.1 Terminus (non-reasoning) (FP8) | -- | -- | -- | -- | -- | 131k | Abierto | |||
gpt-oss-120b (high) | -- | -- | -- | 19.73 | 2.9% | 131k | Abierto | |||
GLM-5 (non-reasoning) (FP8) | -- | -- | -- | 3.67 | 0.0% | 203k | Abierto | |||
GLM-5.2 (max) (FP8) | -- | -- | -- | 33.14 | 0.0% | 1M | Abierto | |||
DeepSeek V3.1 (non-reasoning) | -- | -- | -- | -- | -- | 164k | Abierto | |||
DeepSeek V4 Flash 0731 (max) | -- | -- | -- | 49.07 | 0.0% | 1M | Abierto | |||
Definiciones clave
Preguntas frecuentes
Preguntas comunes sobre Novita
Novita ofrece 61 modelos que monitoreamos: DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), MiniMax-M3.1-Flash, GLM-5.3-Flash, DeepSeek V4 Pro 0813 (max), MiniMax-M3, Gemma 4 31B, GLM-4.5V (non-reasoning), Kimi K2.6, Qwen3.5 397B A17B, Kimi K2.6 (non-reasoning), MiniMax-M2.5, Qwen3.5 27B, Qwen3.5 122B A10B, Nemotron 3 Nano (non-reasoning) (FP4), Gemma 3 27B, GLM-4.7-Flash, GLM-4.5V, Qwen3.5 397B A17B (non-reasoning), Qwen3.6 27B (non-reasoning), GLM-5 FP8, GLM-4.6V (non-reasoning), DeepSeek V3 (Dec), Kimi K2, Qwen3.5 35B A3B, MiniMax-M2.7 (FP8), Qwen3 VL 30B A3B, GLM-5.1 (FP8), Kimi K2 0905, Qwen3.6 35B A3B (non-reasoning), GLM-4.6, Gemma 4 26B A4B, GLM-4.7, Gemma 4 26B A4B (non-reasoning), Llama 3.1 8B, Nemotron 3 Nano (FP4), GLM-4.7 (non-reasoning), Qwen3.6 35B A3B, Qwen3.6 27B, Kimi K2.7 Code, Llama 4 Maverick (FP8), GLM-5.1 (non-reasoning) (FP8), GLM-4.6 (non-reasoning), Llama 3.3 70B, MiniMax M1 80k, Kimi K2.5, DeepSeek R1 0528, Llama 4 Scout, Hy3, Kimi K2.5 (non-reasoning), Kimi K2 Thinking, DeepSeek V4 Pro (max), GLM-4.7-Flash (non-reasoning), gpt-oss-120b (low), Gemma 4 31B (non-reasoning), GLM-4.6V, DeepSeek V4.1 Flash (max), gpt-oss-120b (high), GLM-5 (non-reasoning) (FP8), GLM-5.2 (max) (FP8) y DeepSeek V4 Flash 0731 (max).
El modelo más inteligente disponible en Novita 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 Novita es MiniMax-M3, con 14.6 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 Novita es Llama 3.1 8B, con 0.98s. Una menor latencia significa una respuesta inicial más rápida.
El modelo más económico en Novita por precio combinado es Llama 3.1 8B, a $0.023 por 1M de tokens (proporción 7:2:1 de aciertos de caché/entrada/salida).
Los precios en Novita varían hasta 39x entre modelos, desde $0.023 por 1M de tokens para Llama 3.1 8B hasta $0.90 por 1M de tokens para GLM-5.2 (max) (FP8).
Sí, Novita ofrece una API compatible con OpenAI, lo que facilita cambiar desde OpenAI o usar integraciones existentes del SDK de OpenAI.
60 de 61 modelos en Novita admiten el modo JSON para salida estructurada.
57 de 61 modelos en Novita admiten llamadas a funciones (uso de herramientas).
Sí, Novita ofrece 37 modelos de razonamiento: DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), MiniMax-M3.1-Flash, GLM-5.3-Flash, DeepSeek V4 Pro 0813 (max), MiniMax-M3, Gemma 4 31B, Kimi K2.6, Qwen3.5 397B A17B, MiniMax-M2.5, Qwen3.5 27B, Qwen3.5 122B A10B, GLM-4.7-Flash, GLM-4.5V, GLM-5 FP8, Qwen3.5 35B A3B, MiniMax-M2.7 (FP8), GLM-5.1 (FP8), GLM-4.6, Gemma 4 26B A4B, GLM-4.7, Nemotron 3 Nano (FP4), Qwen3.6 35B A3B, Qwen3.6 27B, Kimi K2.7 Code, MiniMax M1 80k, Kimi K2.5, DeepSeek R1 0528, Hy3, Kimi K2 Thinking, DeepSeek V4 Pro (max), gpt-oss-120b (low), GLM-4.6V, DeepSeek V4.1 Flash (max), gpt-oss-120b (high), GLM-5.2 (max) (FP8) y DeepSeek V4 Flash 0731 (max). Los modelos de razonamiento usan pensamiento extendido para resolver problemas complejos antes de responder.
Sí, los 61 modelos en Novita 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 Novita, 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.