SambaNova：モデルの知能、性能、料金
SambaNova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SambaNova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：9件
最速
出力速度
モデル合計：9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：9件
SambaNovaは9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。
- SambaNovaで知能が上位のモデルはMiniMax-M2.7（39）、DeepSeek V3.2（33）、Gemma 4 31B（30）です。
- 出力速度が最も速いモデルはgpt-oss-120b (low)（728 t/s）、gpt-oss-120b (high)（701 t/s）、MiniMax-M2.7（405 t/s）です。 モデル間の速度差は大きく、最速と最遅で260%の差があります。
- 遅延では、Gemma 4 31B（2.38秒）、Llama 3.3 70B（2.66秒）、gpt-oss-120b (high)（3.89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、gpt-oss-120b (high)（$0.26）、gpt-oss-120b (low)（$0.26）、Gemma 4 31B（$0.46）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2.6倍の差があります。
- SambaNovaで最大のコンテキストウィンドウに対応するモデルはMiniMax-M2.7（197k）、Gemma 4 31B（131k）、gpt-oss-120b (high)（131k）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
Quantitative analysis on spreadsheets & documents
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 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
MiniMax-M2.7 | 197k | オープン | 39 | $0.35 | 405 | 1.95 | 9.26 | 6.07 | |||
DeepSeek V3.2 | 32.8k | オープン | 33* | -- | 117 | 2.65 | 23.98 | 17.07 | |||
DeepSeek V3.1 Terminus | 131k | オープン | 31* | -- | -- | -- | -- | -- | |||
Gemma 4 31B | 131k | オープン | 30 | $0.10 | 199 | 2.68 | 13.92 | 8.72 | |||
DeepSeek V3.2 | 8.19k | オープン | 25* | -- | -- | -- | -- | -- | |||
gpt-oss-120b (high) | 131k | オープン | 24 | $0.10 | 701 | 1.04 | 4.61 | 2.85 | |||
Gemma 4 31B | 131k | オープン | 22 | $0.11 | 202 | 2.38 | 4.86 | -- | |||
DeepSeek V3.1 Terminus | 128k | オープン | 22* | -- | -- | -- | -- | -- | |||
DeepSeek V3.1 | 131k | オープン | 21* | -- | 185 | 18.33 | 21.04 | -- | |||
DeepSeek V3.1 | 128k | オープン | 21* | -- | 116 | 18.83 | 40.39 | 17.25 | |||
gpt-oss-120b (low) | 131k | オープン | 15 | $0.03 | 728 | 1.18 | 4.61 | 2.75 | |||
 Qwen3 32B | 32.8k | オープン | 11 | -- | -- | -- | -- | -- | |||
DeepSeek R1 Distill Llama 70B | 131k | オープン | 10* | -- | -- | -- | -- | -- | |||
Llama 3.3 70B | 128k | オープン | 9* | -- | 286 | 2.66 | 4.41 | -- | |||
Qwen3 32B | 32.8k | オープン | 8* | -- | -- | -- | -- | -- | |||
主要な定義
よくある質問
SambaNovaに関するよくある質問
SambaNovaが提供し、当社が追跡しているモデルは9モデルです：MiniMax-M2.7、DeepSeek V3.2、Gemma 4 31B、gpt-oss-120b (high)、Gemma 4 31B、DeepSeek V3.1、DeepSeek V3.1、gpt-oss-120b (low)、Llama 3.3 70B。
SambaNova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39のMiniMax-M2.7です。
SambaNovaで出力速度が最も速いモデルは、毎秒728.0トークンのgpt-oss-120b (low)です。
SambaNovaで最初の回答トークンまでの時間が最短のモデルは、2.38秒のGemma 4 31Bです。遅延が短いほど、最初の応答が速くなります。
SambaNova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$0.26のgpt-oss-120b (high)です（キャッシュヒット／入力／出力を7:2:1とした場合）。
SambaNovaのモデル間では料金に最大12倍の差があり、gpt-oss-120b (high)の100万トークンあたり$0.26から、DeepSeek V3.1の$3.15までとなっています。
はい。SambaNova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。SambaNovaの全9モデルが、構造化出力のJSONモードに対応しています。
はい。SambaNovaの全9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。SambaNovaは6推論モデルを提供しています：MiniMax-M2.7、DeepSeek V3.2、Gemma 4 31B、gpt-oss-120b (high)、DeepSeek V3.1、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。SambaNovaの全9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。
SambaNova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。