DeepInfra：モデルの知能、性能、料金
DeepInfraのモデルを、品質、料金、出力速度、遅延、コンテキストウィンドウなどの主要指標で分析します。 この分析は、ユースケースに最適なDeepInfra提供モデルを選ぶための参考情報です。
最高の知能
Intelligence Index
モデル合計：97件
最速
出力速度
モデル合計：97件
最安料金
ブレンド料金（100万トークンあたり）
モデル合計：97件
DeepInfraは97モデルを提供しており、知能、性能、料金の特性はそれぞれ異なります。 以下でモデル間の主要指標を比較します。
- DeepInfraで知能が上位のモデルはGLM-5.2 (max) (FP4)（51）、DeepSeek V4 Flash 0731 (max)（50）、MiniMax-M3（44）です。
- 出力速度が最も速いモデルはStep 3.7 Flash（203 t/s）、Qwen3.5 122B A10B (FP4)（190 t/s）、Inkling (FP8)（188 t/s）です。
- 遅延では、NVIDIA Nemotron 3 Nano（0.43秒）、Qwen3 30B (FP8)（0.52秒）、Qwen3.5 35B A3B FP8（0.53秒）の最初の回答トークンまでの時間が最短です。
- 料金では、Llama 3.1 8B (Turbo, FP8)（$0.02）、Llama 3.1 8B（$0.02）、Gemma 4 E4B（$0.03）の100万トークンあたりのブレンド料金が最安です。
- DeepInfraで最大のコンテキストウィンドウに対応するモデルはGLM-5.2 (max) (FP4)（1M）、DeepSeek V4 Pro (max) (FP4)（1M）、DeepSeek V4 Flash (max) (FP4)（1M）です。
ハイライト
知能評価
Artificial Analysis Intelligence Index
Intelligence Evaluations
Agentic real-world work tasks, (Elo-500)/2000
Agentic tool use
Agentic coding & terminal use
Coding
Reasoning & knowledge
Scientific reasoning
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Agentic knowledge work, Elo
Agentic SaaS workflows
Legal agentic work, criterion pass rate
Agentic business operations
Instruction following
Long-horizon agentic tasks
Kubernetes incident root-cause analysis
Visual reasoning
Intelligence Index vs. Price
コンテキストウィンドウ
Context Window
料金
Intelligence Index vs. Price
性能の概要
Output Speed vs. Price
速度
出力速度（1秒あたりのトークン数）で測定
Output Speed
遅延
最初のトークンまでの時間（秒）で測定
Latency: Time To First Answer Token
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
End-to-End Response Time vs. Price
詳細分析 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
GLM-5.2 (max) (FP4) | 1.05M | オープン | 51 | $0.25 | 56 | 1.30 | 45.91 | 35.69 | |||
DeepSeek V4 Flash 0731 (max) | 1M | オープン | 50 | $0.06 | 74 | 0.83 | 34.55 | 26.98 | |||
MiniMax-M3 | 524k | オープン | 44 | $0.13 | 22 | 1.33 | 117.27 | 92.75 | |||
DeepSeek V4 Pro (max) (FP4) | 1.05M | オープン | 44 | $0.27 | 38 | 2.73 | 131.45 | 115.52 | |||
Kimi K2.6 (FP4) | 262k | オープン | 44 | $0.27 | 39 | 0.95 | 128.82 | 114.96 | |||
DeepSeek V4 Pro (high) (FP4) | 65.5k | オープン | 43 | $0.26 | 32 | 1.50 | 78.73 | 61.74 | |||
 MiMo-V2.5-Pro | 65.5k | オープン | 42 | $0.18 | 112 | 0.95 | 23.27 | 17.86 | |||
Kimi K2.7 Code | 262k | オープン | 42 | $0.18 | 93 | 0.76 | 29.95 | 23.84 | |||
 Hy3 (FP8) | 262k | オープン | 41 | $0.04 | 61 | 0.65 | 41.63 | 32.79 | |||
Inkling (FP8) | 131k | オープン | 41 | $0.43 | 188 | 0.71 | 14.03 | 10.66 | |||
DeepSeek V4 Flash (max) (FP4) | 1.05M | オープン | 40 | $0.05 | 42 | 1.00 | 147.89 | 134.87 | |||
Inkling Small | 524k | オープン | 40 | $0.15 | 134 | 0.68 | 19.37 | 14.95 | |||
GLM-5.1 (FP4) | 203k | オープン | 40 | $0.18 | 37 | 0.95 | 116.39 | 101.99 | |||
GLM-5 (FP4) | 203k | オープン | 40* | -- | 26 | 1.49 | 140.22 | 119.48 | |||
Nemotron 3 Ultra | 262k | オープン | 38 | $0.23 | 85 | 6.12 | 38.94 | 26.91 | |||
Nemotron 3 Ultra BF16 | 262k | オープン | 38 | -- | 87 | 6.47 | 38.41 | 26.18 | |||
DeepSeek V4 Flash (high) (FP4) | 1.05M | オープン | 37 | $0.03 | 41 | 1.11 | 43.28 | 30.05 | |||
MiMo-V2.5 | 262k | オープン | 37 | $0.08 | 56 | 0.88 | 45.48 | 35.68 | |||
Qwen3.6 27B FP8 | 262k | オープン | 37 | $0.19 | 64 | 1.12 | 97.10 | 88.22 | |||
Kimi K2.5 | 262k | オープン | 35 | $0.07 | 44 | 0.79 | 79.10 | 67.01 | |||
GLM-5.1 (FP4) | 203k | オープン | 35* | -- | 55 | 1.06 | 10.19 | -- | |||
Kimi K2.6 (FP4) | 262k | オープン | 35* | -- | 36 | 0.92 | 14.89 | -- | |||
Qwen3.5 27B (FP8) | 262k | オープン | 34* | -- | 62 | 0.96 | 41.08 | 32.10 | |||
GLM-4.7 (FP4) | 203k | オープン | 34 | $0.10 | 35 | 0.93 | 72.37 | 57.15 | |||
Qwen3.5 397B A17B (FP8) | 262k | オープン | 34 | $0.19 | 52 | 0.93 | 71.30 | 60.83 | |||
MiniMax-M2.5 (FP8) | 197k | オープン | 34* | -- | 45 | 0.81 | 56.68 | 44.69 | |||
GLM-5 (FP8) | 203k | オープン | 32* | -- | 26 | 1.30 | 20.49 | -- | |||
Qwen3.5 122B A10B (FP4) | 262k | オープン | 32 | $0.12 | 168 | 0.66 | 15.54 | 11.91 | |||
DeepSeek V3.2 (FP4) | 164k | オープン | 32 | $0.08 | 16 | 1.18 | 155.89 | 123.77 | |||
Qwen3.5 397B A17B (FP8) | 262k | オープン | 32* | -- | 44 | 0.92 | 12.39 | -- | |||
Qwen3.6 35B A3B (FP8) | 262k | オープン | 32 | $0.09 | 59 | 0.64 | 99.92 | 90.86 | |||
Qwen3.6 27B FP8 | 262k | オープン | 30 | $0.23 | 58 | 1.11 | 9.69 | -- | |||
Step 3.7 Flash | 256k | オープン | 30 | -- | 203 | 0.51 | 12.84 | 9.87 | |||
Gemma 4 31B | 262k | オープン | 29 | $0.01 | 28 | 1.71 | 82.55 | 62.77 | |||
Qwen3.5 27B FP8 | 262k | オープン | 29* | -- | 61 | 0.90 | 9.06 | -- | |||
Qwen3.5 35B A3B (FP8) | 262k | オープン | 29* | -- | 125 | 0.51 | 20.49 | 15.99 | |||
GLM-4.6 (FP4) | 203k | オープン | 29 | -- | 44 | 0.98 | 57.67 | 45.36 | |||
MiMo-V2.5-Pro | 65.5k | オープン | 28* | -- | 122 | 0.95 | 5.03 | -- | |||
Qwen3.5 122B A10B (FP4) | 262k | オープン | 28 | $0.09 | 190 | 0.65 | 3.28 | -- | |||
GLM-4.7 (FP4) | 203k | オープン | 27* | -- | 32 | 1.03 | 16.69 | -- | |||
Gemma 4 26B A4B | 262k | オープン | 26 | $0.03 | 31 | 0.69 | 82.53 | 65.47 | |||
NVIDIA Nemotron 3 Super | 262k | オープン | 25 | $0.10 | 54 | 20.65 | 67.30 | 37.33 | |||
DeepSeek V3.2 | 164k | オープン | 25* | -- | 13 | 1.78 | 38.84 | -- | |||
Qwen3.6 35B A3B (FP8) | 262k | オープン | 24 | $0.29 | 40 | 0.78 | 13.19 | -- | |||
Qwen3.5 35B A3B FP8 | 262k | オープン | 24 | $0.07 | 125 | 0.53 | 4.54 | -- | |||
gpt-oss-120b (high) | 131k | オープン | 24 | $0.02 | 45 | 0.64 | 56.43 | 44.64 | |||
gpt-oss-120b (high) (Turbo) | 131k | オープン | 24 | $0.08 | 173 | 0.71 | 15.14 | 11.55 | |||
GLM-4.7-Flash | 203k | オープン | 23* | -- | 53 | 0.78 | 47.65 | 37.49 | |||
Gemma 4 31B (FP8) | 262k | オープン | 22 | $0.03 | 26 | 1.64 | 21.09 | -- | |||
DeepSeek V3.1 Terminus (FP4) | 164k | オープン | 21* | -- | 61 | 0.69 | 8.90 | -- | |||
DeepSeek V3.1 (FP4) | 164k | オープン | 21* | -- | 10 | 1.08 | 48.72 | -- | |||
Gemma 4 26B A4B (FP8) | 262k | オープン | 20* | -- | 28 | 0.70 | 18.62 | -- | |||
Qwen3.5 4B (FP8) | 262k | オープン | 20* | -- | 31 | 0.72 | 81.78 | 64.84 | |||
DeepSeek R1 0528 | 164k | オープン | 20* | -- | 24 | 0.83 | 102.99 | 81.73 | |||
Qwen3 235B A22B 2507 (FP8) | 262k | オープン | 20 | -- | 48 | 1.04 | 52.62 | 41.27 | |||
Qwen3 235B 2507 (FP8) | 262k | オープン | 18* | -- | 19 | 0.65 | 27.59 | -- | |||
Qwen3 Coder 480B (Turbo, FP4) | 262k | オープン | 18* | -- | 60 | 0.80 | 9.16 | -- | |||
Qwen3.5 4B FP8 | 262k | オープン | 16* | -- | 20 | 0.96 | 25.80 | -- | |||
DeepSeek V3 0324 (FP4) | 164k | オープン | 15 | $0.03 | 35 | 1.69 | 15.85 | -- | |||
gpt-oss-20b (high) | 131k | オープン | 15 | $0.01 | 107 | 0.51 | 23.93 | 18.74 | |||
 Mistral Small 3.1 | 128k | オープン | 15 | $0.02 | 25 | 0.93 | 20.91 | -- | |||
Llama 4 Maverick (FP8) | 1.05M | オープン | 14 | $0.03 | 44 | 0.64 | 11.88 | -- | |||
NVIDIA Nemotron 3 Nano | 262k | オープン | 14 | $0.02 | 178 | 3.33 | 17.35 | 11.22 | |||
DeepSeek V3 (Dec) | 164k | オープン | 14 | $0.02 | 19 | 1.55 | 27.22 | -- | |||
Qwen3 Next 80B A3B | 262k | オープン | 14* | -- | 137 | 0.64 | 4.30 | -- | |||
Llama Nemotron Super 49B v1.5 | 131k | オープン | 12* | -- | 77 | 5.85 | 38.48 | 26.10 | |||
Gemma 4 E4B | 262k | オープン | 12 | $0.01 | 81 | 0.83 | 31.78 | 24.75 | |||
Qwen3 32B (FP8) | 41k | オープン | 12 | -- | 74 | 0.61 | 34.56 | 27.16 | |||
Mistral Small 3.2 (FP8) | 128k | オープン | 11 | $0.10 | 28 | 0.89 | 18.72 | -- | |||
Qwen3 14B (FP8) | 32.8k | オープン | 10 | -- | 45 | 0.87 | 56.93 | 44.85 | |||
Llama 4 Scout | 328k | オープン | 10 | $0.01 | 55 | 0.63 | 9.71 | -- | |||
DeepSeek R1 Distill Llama 70B | 131k | オープン | 10* | -- | 25 | 0.93 | 99.34 | 78.73 | |||
Qwen2.5 72B | 32.8k | オープン | 10* | -- | 27 | 5.09 | 23.77 | -- | |||
Llama 3.3 70B (Turbo, FP8) | 131k | オープン | 9 | $0.02 | 13 | 2.35 | 40.89 | -- | |||
Qwen3 30B (FP8) | 41k | オープン | 9* | -- | 76 | 0.55 | 33.31 | 26.21 | |||
NVIDIA Nemotron Nano 12B v2 VL (FP8) | 131k | オープン | 9* | -- | 80 | 7.19 | 38.62 | 25.14 | |||
Gemma 4 E4B | 262k | オープン | 9* | -- | 82 | 0.80 | 6.89 | -- | |||
NVIDIA Nemotron Nano 9B V2 | 131k | オープン | 9* | -- | 179 | 5.20 | 19.13 | 11.15 | |||
Llama Nemotron Super 49B v1.5 | 131k | オープン | 9* | -- | 90 | 6.74 | 12.32 | -- | |||
Qwen3 32B (FP8) | 41k | オープン | 9* | -- | 72 | 0.67 | 7.58 | -- | |||
Llama 3.1 Nemotron 70B | 131k | オープン | 8* | -- | 93 | 6.63 | 12.00 | -- | |||
Llama 3.1 8B (Turbo, FP8) | 131k | オープン | 8 | -- | 18 | 1.08 | 29.42 | -- | |||
Llama 3.1 8B | 131k | オープン | 8 | -- | 16 | 1.11 | 31.59 | -- | |||
Gemma 3 27B | 131k | オープン | 7 | $0.08 | 29 | 1.22 | 18.54 | -- | |||
NVIDIA Nemotron 3 Nano | 262k | オープン | 7* | -- | 177 | 0.43 | 3.26 | -- | |||
NVIDIA Nemotron Nano 9B V2 | 131k | オープン | 7* | -- | 181 | 3.91 | 6.68 | -- | |||
Qwen3 14B (FP8) | 41k | オープン | 7* | -- | 41 | 0.86 | 13.01 | -- | |||
Mistral Small 3 | 32.8k | オープン | 7* | -- | 56 | 0.81 | 9.71 | -- | |||
Qwen3 30B (FP8) | 41k | オープン | 7* | -- | 73 | 0.52 | 7.33 | -- | |||
Llama 3.1 70B | 131k | オープン | 7* | -- | 33 | 1.93 | 16.90 | -- | |||
Llama 3.1 70B (Turbo, FP8) | 131k | オープン | 7* | -- | 35 | 1.65 | 15.81 | -- | |||
Gemma 3 12B | 131k | オープン | 6 | $0.09 | 50 | 0.83 | 10.85 | -- | |||
 Hermes 3 - Llama-3.1 70B | 131k | オープン | 5* | -- | 33 | 1.97 | 17.05 | -- | |||
 Phi-4 | 16.4k | オープン | 5* | -- | 71 | 0.88 | 7.98 | -- | |||
NVIDIA Nemotron Nano 12B v2 VL (FP8) | 131k | オープン | 5* | -- | 87 | 5.54 | 11.28 | -- | |||
Llama 3.2 11B (Vision) | 131k | オープン | 3* | -- | 37 | 1.70 | 15.08 | -- | |||
Llama 3 8B | 8.19k | オープン | 1* | -- | -- | -- | -- | -- | |||
Gemma 3 4B | 131k | オープン | 1* | -- | 34 | 1.01 | 15.74 | -- | |||
主要な定義
よくある質問
DeepInfraに関するよくある質問
DeepInfraが提供し、当社が追跡しているモデルは97モデルです：GLM-5.2 (max) (FP4)、DeepSeek V4 Flash 0731 (max)、MiniMax-M3、DeepSeek V4 Pro (max) (FP4)、Kimi K2.6 (FP4)、DeepSeek V4 Pro (high) (FP4)、MiMo-V2.5-Pro、Kimi K2.7 Code、Hy3 (FP8)、Inkling (FP8)、DeepSeek V4 Flash (max) (FP4)、Inkling Small、GLM-5.1 (FP4)、GLM-5 (FP4)、Nemotron 3 Ultra、Nemotron 3 Ultra BF16、DeepSeek V4 Flash (high) (FP4)、MiMo-V2.5、Qwen3.6 27B FP8、Kimi K2.5、GLM-5.1 (FP4)、Kimi K2.6 (FP4)、Qwen3.5 27B (FP8)、GLM-4.7 (FP4)、Qwen3.5 397B A17B (FP8)、MiniMax-M2.5 (FP8)、GLM-5 (FP8)、Qwen3.5 122B A10B (FP4)、DeepSeek V3.2 (FP4)、Qwen3.5 397B A17B (FP8)、Qwen3.6 35B A3B (FP8)、Qwen3.6 27B FP8、Step 3.7 Flash、Gemma 4 31B、Qwen3.5 27B FP8、Qwen3.5 35B A3B (FP8)、GLM-4.6 (FP4)、MiMo-V2.5-Pro、Qwen3.5 122B A10B (FP4)、GLM-4.7 (FP4)、Gemma 4 26B A4B、NVIDIA Nemotron 3 Super、DeepSeek V3.2、Qwen3.6 35B A3B (FP8)、Qwen3.5 35B A3B FP8、gpt-oss-120b (high)、gpt-oss-120b (high) (Turbo)、GLM-4.7-Flash、Gemma 4 31B (FP8)、DeepSeek V3.1 Terminus (FP4)、DeepSeek V3.1 (FP4)、Gemma 4 26B A4B (FP8)、Qwen3.5 4B (FP8)、DeepSeek R1 0528、Qwen3 235B A22B 2507 (FP8)、Qwen3 235B 2507 (FP8)、Qwen3 Coder 480B (Turbo, FP4)、Qwen3.5 4B FP8、DeepSeek V3 0324 (FP4)、gpt-oss-20b (high)、Mistral Small 3.1、Llama 4 Maverick (FP8)、NVIDIA Nemotron 3 Nano、DeepSeek V3 (Dec)、Qwen3 Next 80B A3B、Llama Nemotron Super 49B v1.5、Gemma 4 E4B、Qwen3 32B (FP8)、Mistral Small 3.2 (FP8)、Qwen3 14B (FP8)、Llama 4 Scout、DeepSeek R1 Distill Llama 70B、Qwen2.5 72B、Llama 3.3 70B (Turbo, FP8)、Qwen3 30B (FP8)、NVIDIA Nemotron Nano 12B v2 VL (FP8)、Gemma 4 E4B、NVIDIA Nemotron Nano 9B V2、Llama Nemotron Super 49B v1.5、Qwen3 32B (FP8)、Llama 3.1 Nemotron 70B、Llama 3.1 8B (Turbo, FP8)、Llama 3.1 8B、Gemma 3 27B、NVIDIA Nemotron 3 Nano、NVIDIA Nemotron Nano 9B V2、Qwen3 14B (FP8)、Mistral Small 3、Qwen3 30B (FP8)、Llama 3.1 70B、Llama 3.1 70B (Turbo, FP8)、Gemma 3 12B、Hermes 3 - Llama-3.1 70B、Phi-4、NVIDIA Nemotron Nano 12B v2 VL (FP8)、Llama 3.2 11B (Vision)、Gemma 3 4B。
DeepInfraで利用できるモデルのうち、知能が最も高いのはIntelligence Indexスコア51のGLM-5.2 (max) (FP4)です。
DeepInfraで出力速度が最も速いモデルは、毎秒202.7トークンのStep 3.7 Flashです。
DeepInfraで最初の回答トークンまでの時間が最短のモデルは、0.43秒のNVIDIA Nemotron 3 Nanoです。遅延が短いほど、最初の応答が速くなります。
DeepInfraでブレンド料金が最も安いモデルは、100万トークンあたり$0.02のLlama 3.1 8B (Turbo, FP8)です（キャッシュヒット／入力／出力を7:2:1とした場合）。
DeepInfraのモデル間では料金に最大55倍の差があり、Llama 3.1 8B (Turbo, FP8)の100万トークンあたり$0.02から、Llama 3.1 Nemotron 70Bの$1.20までとなっています。
はい。DeepInfraはOpenAI互換APIを提供しているため、OpenAIからの切り替えや既存のOpenAI SDK連携の利用が容易です。
DeepInfraの97モデル中94モデルが、構造化出力のJSONモードに対応しています。
DeepInfraの97モデル中94モデルが関数呼び出し（ツール利用）に対応しています。
はい。DeepInfraは49推論モデルを提供しています：GLM-5.2 (max) (FP4)、DeepSeek V4 Flash 0731 (max)、MiniMax-M3、DeepSeek V4 Pro (max) (FP4)、Kimi K2.6 (FP4)、DeepSeek V4 Pro (high) (FP4)、MiMo-V2.5-Pro、Kimi K2.7 Code、Hy3 (FP8)、Inkling (FP8)、DeepSeek V4 Flash (max) (FP4)、Inkling Small、GLM-5.1 (FP4)、GLM-5 (FP4)、Nemotron 3 Ultra、Nemotron 3 Ultra BF16、DeepSeek V4 Flash (high) (FP4)、MiMo-V2.5、Qwen3.6 27B FP8、Kimi K2.5、Qwen3.5 27B (FP8)、GLM-4.7 (FP4)、Qwen3.5 397B A17B (FP8)、MiniMax-M2.5 (FP8)、Qwen3.5 122B A10B (FP4)、DeepSeek V3.2 (FP4)、Qwen3.6 35B A3B (FP8)、Step 3.7 Flash、Gemma 4 31B、Qwen3.5 35B A3B (FP8)、GLM-4.6 (FP4)、Gemma 4 26B A4B、NVIDIA Nemotron 3 Super、gpt-oss-120b (high)、gpt-oss-120b (high) (Turbo)、GLM-4.7-Flash、Qwen3.5 4B (FP8)、DeepSeek R1 0528、Qwen3 235B A22B 2507 (FP8)、gpt-oss-20b (high)、NVIDIA Nemotron 3 Nano、Llama Nemotron Super 49B v1.5、Gemma 4 E4B、Qwen3 32B (FP8)、Qwen3 14B (FP8)、DeepSeek R1 Distill Llama 70B、Qwen3 30B (FP8)、NVIDIA Nemotron Nano 12B v2 VL (FP8)、NVIDIA Nemotron Nano 9B V2。推論モデルは回答前に拡張思考を行い、複雑な問題に取り組みます。
はい。DeepInfraの全97モデルがオープンウェイトです。
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。
DeepInfraのモデルを選ぶ際は、知能（品質を重視するタスク）、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）、コンテキストウィンドウの規模、JSONモード、関数呼び出しへの対応などを検討してください。