Parasail：モデルの知能、性能、料金
Parasail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Parasail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：31件
最速
出力速度
モデル合計：31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：31件
Parasailは31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。
- Parasailで知能が上位のモデルはKimi K3 (max)（57）、GLM-5.2 (max) (NVFP4)（51）、DeepSeek V4 Flash 0731 (max)（50）です。
- 出力速度が最も速いモデルはGLM-5.2 (max) (NVFP4)（229 t/s）、Trinity Large Thinking (FP8)（202 t/s）、gpt-oss-120b (high)（177 t/s）です。 モデル間の速度差は大きく、最速と最遅で64%の差があります。
- 遅延では、Llama 4 Maverick (FP8)（0.89秒）、Qwen3 Next 80B A3B（0.90秒）、Qwen3 Coder Next (FP8)（1.08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、Gemma 3 27B（$0.09）、MiMo-V2.5（$0.09）、Gemma 4 26B A4B（$0.10）の100万トークンあたりのブレンド料金が最安です。
- Parasail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 (max)（1M）、DeepSeek V4 Flash 0731 (max)（1M）、DeepSeek V4 Flash (max) (FP8)（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 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
Kimi K3 (max) | 1.05M | オープン | 57 | $0.80 | 79 | 2.26 | 33.88 | 25.30 | |||
GLM-5.2 (max) (NVFP4) | 1M | オープン | 51 | -- | 229 | 1.23 | 12.15 | 8.74 | |||
DeepSeek V4 Flash 0731 (max) | 1.05M | オープン | 50 | $0.13 | 35 | 1.62 | 73.70 | 57.66 | |||
MiniMax-M3 (MXFP8) | 1M | オープン | 44 | $0.18 | 65 | 1.08 | 39.52 | 30.75 | |||
Kimi K2.6 | 262k | オープン | 44 | $0.27 | 125 | 1.30 | 40.94 | 35.64 | |||
Kimi K2.7 Code | 262k | オープン | 42 | $0.18 | 75 | 1.46 | 37.89 | 29.76 | |||
DeepSeek V4 Flash (max) (FP8) | 1.05M | オープン | 40 | -- | 85 | 1.55 | 73.60 | 66.16 | |||
GLM-5.1 (FP8) | 203k | オープン | 40 | $0.23 | 76 | 2.23 | 58.85 | 50.02 | |||
GLM-5 (FP8) | 203k | オープン | 40* | -- | 43 | 1.78 | 86.04 | 72.58 | |||
DeepSeek V4 Flash (high) (FP8) | 1.05M | オープン | 37 | -- | 72 | 1.61 | 25.68 | 17.15 | |||
MiMo-V2.5 | 1M | オープン | 37 | $0.04 | 73 | 1.15 | 35.32 | 27.34 | |||
GLM-5.1 | 203k | オープン | 35* | -- | 77 | 2.82 | 9.36 | -- | |||
Kimi K2.6 (INT4) | 262k | オープン | 35* | -- | 83 | 1.48 | 7.53 | -- | |||
Qwen3.5 397B A17B | 262k | オープン | 34 | $0.23 | 86 | 1.05 | 43.67 | 36.84 | |||
MiniMax-M2.5 (FP8) | 197k | オープン | 34* | -- | 115 | 1.28 | 23.05 | 17.42 | |||
Qwen3.6 35B A3B | 262k | オープン | 32 | $0.08 | 94 | 1.36 | 64.34 | 57.64 | |||
Gemma 4 31B | 262k | オープン | 29 | $0.03 | 21 | 5.06 | 111.27 | 82.46 | |||
Gemma 4 26B A4B | 256k | オープン | 26 | $0.03 | 35 | 1.49 | 72.25 | 56.61 | |||
Qwen3.6 35B A3B (FP8) | 262k | オープン | 24 | $0.15 | 92 | 1.29 | 6.73 | -- | |||
gpt-oss-120b (high) | 131k | オープン | 24 | -- | 177 | 0.89 | 15.04 | 11.32 | |||
Gemma 4 31B | 262k | オープン | 22 | $0.02 | 25 | 4.69 | 25.02 | -- | |||
Qwen3 Coder Next (FP8) | 262k | オープン | 21 | $0.08 | 76 | 1.08 | 7.66 | -- | |||
Gemma 4 26B A4B | 262k | オープン | 20* | -- | 33 | 1.55 | 16.56 | -- | |||
Trinity Large Thinking (FP8) | 262k | オープン | 18 | $0.08 | 202 | 0.96 | 13.34 | 9.90 | |||
Qwen3 235B 2507 | 262k | オープン | 18* | -- | 31 | 1.36 | 17.32 | -- | |||
gpt-oss-120b (low) | 131k | オープン | 15 | -- | 159 | 0.84 | 16.58 | 12.59 | |||
Qwen3 VL 235B A22B (FP8) | 131k | オープン | 14* | -- | 33 | 1.28 | 16.49 | -- | |||
 Llama 4 Maverick (FP8) | 1.05M | オープン | 14 | $0.03 | 136 | 0.89 | 4.56 | -- | |||
Qwen3 Next 80B A3B | 262k | オープン | 14* | -- | 139 | 0.90 | 4.49 | -- | |||
Llama 3.3 70B (FP8) | 131k | オープン | 9 | $0.02 | 59 | 2.60 | 11.01 | -- | |||
 Olmo 3.1 32B Think | 65.5k | オープン | 8* | -- | -- | -- | -- | -- | |||
Gemma 3 27B | 131k | オープン | 7 | $0.05 | 67 | 1.27 | 8.69 | -- | |||
Olmo 3 7B | 65.5k | オープン | 3* | -- | -- | -- | -- | -- | |||
主要な定義
よくある質問
Parasailに関するよくある質問
Parasailが提供し、当社が追跡しているモデルは31モデルです：Kimi K3 (max)、GLM-5.2 (max) (NVFP4)、DeepSeek V4 Flash 0731 (max)、MiniMax-M3 (MXFP8)、Kimi K2.6、Kimi K2.7 Code、DeepSeek V4 Flash (max) (FP8)、GLM-5.1 (FP8)、GLM-5 (FP8)、DeepSeek V4 Flash (high) (FP8)、MiMo-V2.5、GLM-5.1、Kimi K2.6 (INT4)、Qwen3.5 397B A17B、MiniMax-M2.5 (FP8)、Qwen3.6 35B A3B、Gemma 4 31B、Gemma 4 26B A4B、Qwen3.6 35B A3B (FP8)、gpt-oss-120b (high)、Gemma 4 31B、Qwen3 Coder Next (FP8)、Gemma 4 26B A4B、Trinity Large Thinking (FP8)、Qwen3 235B 2507、gpt-oss-120b (low)、Qwen3 VL 235B A22B (FP8)、Llama 4 Maverick (FP8)、Qwen3 Next 80B A3B、Llama 3.3 70B (FP8)、Gemma 3 27B。
Parasail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57のKimi K3 (max)です。
Parasailで出力速度が最も速いモデルは、毎秒228.9トークンのGLM-5.2 (max) (NVFP4)です。
Parasailで最初の回答トークンまでの時間が最短のモデルは、0.89秒のLlama 4 Maverick (FP8)です。遅延が短いほど、最初の応答が速くなります。
Parasail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$0.09のGemma 3 27Bです（キャッシュヒット／入力／出力を7:2:1とした場合）。
Parasailのモデル間では料金に最大26倍の差があり、Gemma 3 27Bの100万トークンあたり$0.09から、Kimi K3 (max)の$2.31までとなっています。
はい。Parasail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。Parasailの全31モデルが、構造化出力のJSONモードに対応しています。
はい。Parasailの全31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。Parasailは19推論モデルを提供しています：Kimi K3 (max)、GLM-5.2 (max) (NVFP4)、DeepSeek V4 Flash 0731 (max)、MiniMax-M3 (MXFP8)、Kimi K2.6、Kimi K2.7 Code、DeepSeek V4 Flash (max) (FP8)、GLM-5.1 (FP8)、GLM-5 (FP8)、DeepSeek V4 Flash (high) (FP8)、MiMo-V2.5、Qwen3.5 397B A17B、MiniMax-M2.5 (FP8)、Qwen3.6 35B A3B、Gemma 4 31B、Gemma 4 26B A4B、gpt-oss-120b (high)、Trinity Large Thinking (FP8)、gpt-oss-120b (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。Parasailの全31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。
Parasail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。