Hermes 4 - Llama-3.1 405B (Non-reasoning) logo
Nous Research
•

Open weights model

•

Released August 2025

Hermes 4 - Llama-3.1 405B (Non-reasoning) APIプロバイダーのベンチマークと分析

モデル比較

Hermes 4 - Llama-3.1 405B (Non-reasoning)のAPIプロバイダーを、遅延（最初のトークンまでの時間）、出力速度（1秒あたりの出力トークン数）、料金などの性能指標で分析します。ベンチマーク対象のAPIプロバイダーにはNebius (FP8)が含まれます。

最速

#1
Nebius (FP8)Nebius (FP8)
36.9 t/s

出力速度

プロバイダー合計：1社

最短の遅延

#1
Nebius (FP8)Nebius (FP8)
2.36 s

最初のトークンまでの時間

プロバイダー合計：1社

最安料金

#1
Nebius (FP8)Nebius (FP8)
$1.20

ブレンド料金（100万トークンあたり）

プロバイダー合計：1社

Hermes 4 405BはNebius (FP8)で利用できます。

ハイライト

速度

Output tokens per second · Higher is better

エンドツーエンド応答時間

Seconds · Lower is better

料金

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

更新：本番環境のユースケースをより適切に反映するため、性能ベンチマークのデフォルトワークロードを入力10kトークンに変更しました。上部で別のワークロードを引き続き選択できます。

料金

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input tokens

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Pricing: Blended Price

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

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

速度

出力速度（1秒あたりのトークン数）で測定

Output Speed: Hermes 4 - Llama-3.1 405B (Non-reasoning)

Output speed: output tokens per second · 10,000 input tokens

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens
Most attractive quadrant

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

遅延

最初のトークンまでの時間（秒）で測定

最初のトークンまでの時間

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first token received, in seconds, after API request sent. For reasoning models which share reasoning tokens, this will be the first reasoning token. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

エンドツーエンド応答時間

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

エンドツーエンド応答時間

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

Seconds to receive a 500 token response. Key components:

  • Input time: Time to receive the first response token
  • Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
  • Answer time: Time to generate 500 output tokens, based on output speed

主要な比較指標とAPI機能

NebiusのロゴNebius
128k
オープン
--
37
2.36
15.93
--

よくある質問

Hermes 4 - Llama-3.1 405B (Non-reasoning)のプロバイダーに関するよくある質問

Hermes 4 - Llama-3.1 405B (Non-reasoning)は1社のAPIプロバイダーで利用できます：Nebius (FP8)。性能特性と料金はプロバイダーごとに異なります。

現在、ベンチマークと追跡の対象となる1社のAPIプロバイダーでHermes 4 - Llama-3.1 405B (Non-reasoning)を利用できます。

出力速度でHermes 4 - Llama-3.1 405B (Non-reasoning)が最速のプロバイダーはNebius (FP8)（36.9 t/s）です。出力速度は、モデルが応答を開始した後にトークンを生成する速さを表します。

Hermes 4 - Llama-3.1 405B (Non-reasoning)の最初のトークンまでの時間が最短のプロバイダーはNebius (FP8)（2.36s）です。遅延が短いほど、最初の応答が速くなります。

ブレンド料金でHermes 4 - Llama-3.1 405B (Non-reasoning)が最安のプロバイダーはNebius (FP8)（100万トークンあたり$1.20）です。ブレンド料金では、キャッシュヒット／入力／出力トークンを7:2:1とします。

Hermes 4 - Llama-3.1 405B (Non-reasoning)の入力トークン料金が最安のプロバイダーはNebius (FP8)（入力100万トークンあたり$1.00）です。

Hermes 4 - Llama-3.1 405B (Non-reasoning)の出力トークン料金が最安のプロバイダーはNebius (FP8)（出力100万トークンあたり$3.00）です。

Hermes 4 - Llama-3.1 405B (Non-reasoning)を提供する1社すべてが、構造化出力のJSONモードに対応しています。

Hermes 4 - Llama-3.1 405B (Non-reasoning)を提供する1社すべてが、関数呼び出し（ツール利用）に対応しています。

Nebius (FP8)はHermes 4 - Llama-3.1 405B (Non-reasoning)の主要指標すべてで首位となり、出力速度が最も速く、遅延が最も短く、料金の競争力も最も優れています。

Hermes 4 - Llama-3.1 405B (Non-reasoning)のプロバイダーを選ぶ際は、出力速度（高スループットが必要なタスク）、遅延（最初の応答の速さが必要な対話型アプリケーション）、料金（費用を重視するワークロード）、JSONモードや関数呼び出しなどのAPI機能を検討してください。

はい。インフラストラクチャの変更、負荷分散、アップデートにより、プロバイダーの性能は時間とともに変化する場合があります。すべてのプロバイダーを継続的にベンチマークし、「推移」グラフに過去の性能傾向を表示しています。

Hermes 4 - Llama-3.1 405B (Non-reasoning)の知能、能力、モダリティ、他のモデルとの比較については、モデル概要ページをご覧ください。 モデル概要を表示