Multiverse Computing：モデルの知能、性能、料金
この分析は、ユースケースに最適なMultiverse Computing提供モデルを選ぶための参考情報です。
最高の知能
Updated
GLM-5.3 (max)GLM-5.2 (max)
Qwen3.8 27B (xhigh)Qwen3.8 27B (medium)Quasar 438B (max)Intelligence Index
モデル合計：7件
最速
Qwen3.8 27B (non-reasoning)Qwen3.8 27B (medium)Qwen3.8 27B (xhigh)Qwen3.8 27B (low)Quasar 438B (max)出力速度
モデル合計：7件
最安料金
Qwen3.8 27B (xhigh)Qwen3.8 27B (medium)Qwen3.8 27B (low)Qwen3.8 27B (non-reasoning)Quasar 438B (max)ブレンド料金（100万トークンあたり）
モデル合計：7件
Multiverse Computingは7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。
- Multiverse Computingで知能が上位のモデルはGLM-5.3 (max)（45）、GLM-5.2 (max)（34）、Qwen3.8 27B (xhigh)（34）です。
- 出力速度が最も速いモデルはQwen3.8 27B (non-reasoning)（220 t/s）、Qwen3.8 27B (medium)（204 t/s）、Qwen3.8 27B (xhigh)（200 t/s）です。
- 遅延では、Qwen3.8 27B (non-reasoning)（0.83秒）、Qwen3.8 27B (medium)（10.63秒）、Qwen3.8 27B (xhigh)（10.82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、Qwen3.8 27B (xhigh)（$0.56）、Qwen3.8 27B (medium)（$0.56）、Qwen3.8 27B (low)（$0.56）の100万トークンあたりのブレンド料金が最安です。
- Multiverse Computing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-5.3 (max)（1M）、GLM-5.2 (max)（1M）、Quasar 438B (max)（1M）です。
知能評価
Artificial Analysis Intelligence Index
Intelligence Evaluations
Agentic knowledge work, (Elo-500)/2000
Agentic real-world work tasks, (Elo-500)/2000
Agentic SaaS workflows
Agentic coding & terminal use
Coding
Reasoning & knowledge
Professional document reasoning, All-pass
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Legal agentic work, criterion pass rate
Agentic business operations
Agentic scientific research workflows in a terminal
Quantitative analysis on spreadsheets & documents
Kubernetes incident root-cause analysis
Visual reasoning
Medical long context reasoning
Intelligence Indexと料金
コンテキストウィンドウ
コンテキストウィンドウ
料金
Intelligence Indexと料金
性能の概要
出力速度と料金
速度
出力速度（1秒あたりのトークン数）で測定
出力速度
遅延
最初のトークンまでの時間（秒）で測定
遅延: 最初の回答トークンまでの時間
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と料金
詳細分析 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
GLM-5.3 (max) | 1M | オープン | 45 | $6.82 | 123 | 1.33 | 21.70 | 16.30 | |||
GLM-5.2 (max) | 1M | オープン | 34 | $2.31 | 107 | 1.20 | 24.65 | 18.75 | |||
Qwen3.8 27B (xhigh) | 262k | オープン | 34 | $1.98 | 197 | 0.66 | 13.35 | 10.15 | |||
Qwen3.8 27B (medium) | 262k | オープン | 28 | $2.36 | 186 | 0.79 | 14.21 | 10.74 | |||
Quasar 438B (max) | 1M | 独自 | 27 | $2.02 | 143 | 1.15 | 18.65 | 14.00 | |||
Qwen3.8 27B (low) | 262k | オープン | 26 | $2.19 | 192 | 0.65 | 13.68 | 10.42 | |||
Qwen3.8 27B (non-reasoning) | 262k | オープン | 20 | $5.69 | 209 | 0.77 | 3.17 | -- | |||
 Mistral Small 3.1 | 128k | オープン | 7 | $0.04 | 75 | 1.11 | 7.73 | -- | |||
主要な定義
よくある質問
Multiverse Computingに関するよくある質問
Multiverse Computingが提供し、当社が追跡しているモデルは7モデルです：GLM-5.3 (max)、GLM-5.2 (max)、Qwen3.8 27B (xhigh)、Qwen3.8 27B (medium)、Quasar 438B (max)、Qwen3.8 27B (low)、Qwen3.8 27B (non-reasoning)。
Multiverse Computing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45のGLM-5.3 (max)です。
Multiverse Computingで出力速度が最も速いモデルは、毎秒219.5トークンのQwen3.8 27B (non-reasoning)です。
Multiverse Computingで最初の回答トークンまでの時間が最短のモデルは、0.83秒のQwen3.8 27B (non-reasoning)です。遅延が短いほど、最初の応答が速くなります。
Multiverse Computing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$0.56のQwen3.8 27B (xhigh)です（キャッシュヒット／入力／出力を7:2:1とした場合）。
Multiverse Computingのモデル間では料金に最大2倍の差があり、Qwen3.8 27B (xhigh)の100万トークンあたり$0.56から、GLM-5.2 (max)の$1.34までとなっています。
はい。Multiverse Computing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。Multiverse Computingの全7モデルが、構造化出力のJSONモードに対応しています。
はい。Multiverse Computingの全7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。Multiverse Computingは6推論モデルを提供しています：GLM-5.3 (max)、GLM-5.2 (max)、Qwen3.8 27B (xhigh)、Qwen3.8 27B (medium)、Quasar 438B (max)、Qwen3.8 27B (low)。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。Multiverse Computingの7モデル中6モデルがオープンウェイトです：GLM-5.3 (max)、GLM-5.2 (max)、Qwen3.8 27B (xhigh)、Qwen3.8 27B (medium)、Qwen3.8 27B (low)、Qwen3.8 27B (non-reasoning)。
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。
Multiverse Computing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。