LithosAI：モデルの知能、性能、料金

LithosAI

この分析は、ユースケースに最適なLithosAI提供モデルを選ぶための参考情報です。

最高の知能

Updated

Kimi K3.1 Pro (ULTRA)

DeepSeek V4.1 Flash 1017 (max) (ULTRA CHAT)

DeepSeek V4.1 Flash 1017 (max) (ULTRA)

DeepSeek V4.1 Flash 1017 (max)

DeepSeek V4.1 Flash 1017 (max) (FAST)

Intelligence Index

モデル合計：10件

最短のタスク時間

Kimi K3.1 Pro (ULTRA)

4.7 min

GLM-5.3 (max) (FP4)

7.0 min

GLM-5.3-Flash (FP4, ULTRA CHAT)

7.1 min

GLM-5.3-Flash (FP4, ULTRA)

7.6 min

DeepSeek V4.1 Flash 1017 (max) (ULTRA CHAT)

7.8 min

Intelligence Index タスクあたりの時間（分）

モデル合計：10件

最安料金

DeepSeek V4.1 Flash 1017 (max)

$0.09

GLM-5.3-Flash (FP4)

$0.10

DeepSeek V4.1 Flash 1017 (max) (FAST)

$0.15

GLM-5.3-Flash (FP4, ULTRA CHAT)

$0.20

GLM-5.3-Flash (FP4, ULTRA)

$0.20

ブレンド料金（100万トークンあたり）

モデル合計：10件

LithosAIは10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。

LithosAIで知能が上位のモデルはKimi K3.1 Pro (ULTRA)（46）、DeepSeek V4.1 Flash 1017 (max) (ULTRA CHAT)（33）、DeepSeek V4.1 Flash 1017 (max) (ULTRA)（33）です。
タスクあたりの時間では、Kimi K3.1 Pro (ULTRA)（4.7分）、GLM-5.3 (max) (FP4)（7.0分）、GLM-5.3-Flash (FP4, ULTRA CHAT)（7.1分）がLithosAIでIntelligence Indexのタスクを最も速く完了します。
遅延では、GLM-5.3-Flash (FP4, ULTRA CHAT)（11.97秒）、Kimi K3.1 Pro (ULTRA)（18.55秒）、DeepSeek V4.1 Flash 1017 (max) (ULTRA CHAT)（19.49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、DeepSeek V4.1 Flash 1017 (max)（$0.09）、GLM-5.3-Flash (FP4)（$0.10）、DeepSeek V4.1 Flash 1017 (max) (FAST)（$0.15）の100万トークンあたりのブレンド料金が最安です。モデル間で料金に最大2.2倍の差があります。
LithosAIで最大のコンテキストウィンドウに対応するモデルはKimi K3.1 Pro (ULTRA)（1M）、DeepSeek V4.1 Flash 1017 (max) (ULTRA CHAT)（1M）、DeepSeek V4.1 Flash 1017 (max) (ULTRA)（1M）です。
Kimi K3.1 Pro (ULTRA)は知能とタスクあたりの時間を最も高い水準で両立しています。費用を最適化するなら、DeepSeek V4.1 Flash 1017 (max)の料金が最も競争力に優れています。

Updated

知能

Artificial Analysis Intelligence Index · Higher is better

タスクあたりの時間

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

料金

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

知能Updated

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と料金

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.

料金

Intelligence Index タスクあたりのコスト

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と料金

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.

速度

測定した単一リクエストとマルチターンのエージェントワークロードの平均

Intelligence Indexのタスクあたりの時間

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.

品質

Endpoint Accuracy Index

各エンドポイントの精度を、そのモデルの基準エンドポイントに対する % で表示 · 色は差が統計的に有意かどうかを示します

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.

遅延

測定した単一リクエストとマルチターンのエージェントワークロードの平均

最初の回答トークンまでの時間

推論を経て最初の回答トークンが届くまでの秒数 · 測定した単一リクエストとマルチターンのエージェントワークロードの平均 · 低いほど良い

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.

信頼性

測定したすべての単一リクエストとマルチターンのエージェントワークロードで、エンドポイントが失敗したリクエストの割合

エンドポイントのエラー率

エンドポイントがエラー、レート制限、タイムアウトで失敗したリクエストの割合 · 測定したすべての単一リクエストとマルチターンのエージェントワークロードが対象 · 低いほど良い

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.

キャッシュ

キャッシュヒット率

マルチターンのエージェントセッションの直近4週間の実行の中央値、2026年10月26日更新 · 高いほど良い

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.

タスクあたりのコストとキャッシュヒット率

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


								詳細分析
Kimi K3.1 Pro (ULTRA)	46	$6.32	4.7	18.55	0.0%	1M	オープン	モデルプロバイダー
DeepSeek V4.1 Flash 1017 (max) (ULTRA CHAT)	33	$0.90	7.8	19.49	23.6%	1M	オープン	モデルプロバイダー
DeepSeek V4.1 Flash 1017 (max) (ULTRA)	33	$0.90	9.0	36.45	1.0%	1M	オープン	モデルプロバイダー
DeepSeek V4.1 Flash 1017 (max)	33	$0.39	14.5	64.13	3.9%	1M	オープン	モデルプロバイダー
DeepSeek V4.1 Flash 1017 (max) (FAST)	33	$0.65	10.4	39.98	6.8%	1M	オープン	モデルプロバイダー
GLM-5.3 (max) (FP4)	32	$3.69	7.0	22.49	0.0%	1M	オープン	モデルプロバイダー
GLM-5.3 (max) (FP4 ULTRA CHAT)	32	$7.39	12.2	26.38	19.8%	1M	オープン	モデルプロバイダー
GLM-5.3-Flash (FP4)	28	$0.59	10.8	33.24	0.0%	1M	オープン	モデルプロバイダー
GLM-5.3-Flash (FP4, ULTRA CHAT)	28	$1.15	7.1	11.97	25.0%	1M	オープン	モデルプロバイダー
GLM-5.3-Flash (FP4, ULTRA)	28	$1.18	7.6	21.02	0.0%	1M	オープン	モデルプロバイダー

主要な定義

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.

よくある質問

LithosAIに関するよくある質問

LithosAIが提供し、当社が追跡しているモデルは10モデルです：Kimi K3.1 Pro (ULTRA)、DeepSeek V4.1 Flash 1017 (max) (ULTRA CHAT)、DeepSeek V4.1 Flash 1017 (max) (ULTRA)、DeepSeek V4.1 Flash 1017 (max)、DeepSeek V4.1 Flash 1017 (max) (FAST)、GLM-5.3 (max) (FP4)、GLM-5.3 (max) (FP4 ULTRA CHAT)、GLM-5.3-Flash (FP4)、GLM-5.3-Flash (FP4, ULTRA CHAT)、GLM-5.3-Flash (FP4, ULTRA)。

LithosAI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46のKimi K3.1 Pro (ULTRA)です。

LithosAIでタスクあたりの時間が最短のモデルは、Intelligence Indexのタスクあたり4.7分のKimi K3.1 Pro (ULTRA)です。タスクあたりの時間は、タスクあたりの出力トークン数をエンドツーエンドの出力速度で割った値で、短いほどタスクが早く完了します。

LithosAIで最初の回答トークンまでの時間が最短のモデルは、11.97秒のGLM-5.3-Flash (FP4, ULTRA CHAT)です。遅延が短いほど、最初の応答が速くなります。

LithosAI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$0.0921のDeepSeek V4.1 Flash 1017 (max)です（キャッシュヒット／入力／出力を7:2:1とした場合）。

LithosAIのモデル間では料金に最大48倍の差があり、DeepSeek V4.1 Flash 1017 (max)の100万トークンあたり$0.0921から、Kimi K3.1 Pro (ULTRA)の$4.41までとなっています。

はい。LithosAI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。

はい。LithosAIの全10モデルが、構造化出力のJSONモードに対応しています。

はい。LithosAIの全10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。LithosAIは10推論モデルを提供しています：Kimi K3.1 Pro (ULTRA)、DeepSeek V4.1 Flash 1017 (max) (ULTRA CHAT)、DeepSeek V4.1 Flash 1017 (max) (ULTRA)、DeepSeek V4.1 Flash 1017 (max)、DeepSeek V4.1 Flash 1017 (max) (FAST)、GLM-5.3 (max) (FP4)、GLM-5.3 (max) (FP4 ULTRA CHAT)、GLM-5.3-Flash (FP4)、GLM-5.3-Flash (FP4, ULTRA CHAT)、GLM-5.3-Flash (FP4, ULTRA)。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。LithosAIの全10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。

LithosAIのモデルを選ぶ際は、知能（品質を重視するタスク）、タスクあたりの時間（Intelligence Indexのタスクを完了する速さ）、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。

LithosAI：モデルの知能、性能、料金

最高の知能

最短のタスク時間

最安料金

知能

タスクあたりの時間

料金

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Indexと料金

Price-Quality Variance

料金

Intelligence Index タスクあたりのコスト

Cost per Intelligence Index Task

Intelligence Indexと料金

Price-Quality Variance

速度

Intelligence Indexのタスクあたりの時間

Time per Intelligence Index Task

Time Period

品質

Endpoint Accuracy Index

Endpoint Accuracy Index

遅延

最初の回答トークンまでの時間

Time to First Answer Token

Time Period

信頼性

エンドポイントのエラー率

Endpoint Error Rate

Time Period

キャッシュ

キャッシュヒット率

What Cache Hit Rate Shows

タスクあたりのコストとキャッシュヒット率

Cost per Intelligence Index Task

What Cache Hit Rate Shows

主要な定義

Index Cost per Task

よくある質問

LithosAIはどのモデルを提供していますか？

LithosAIで最も知能が高いモデルはどれですか？

LithosAIでタスクあたりの時間が最短のモデルはどれですか？

LithosAIで遅延が最も短いモデルはどれですか？

LithosAIで最も安価なモデルはどれですか？

LithosAIのモデル間で料金はどの程度異なりますか？

LithosAIはOpenAI互換ですか？

LithosAIはJSONモードに対応していますか？

LithosAIは関数呼び出しに対応していますか？

LithosAIは推論モデルを提供していますか？

LithosAIはオープンウェイトモデルを提供していますか？

LithosAIの性能は時間とともに変化しますか？

LithosAIのモデルはどう選べばよいですか？