Baseten: 모델 지능, 성능 및 가격

Baseten

이 분석은 사용 사례에 가장 적합한 Baseten 제공 모델을 선택하는 데 도움을 드립니다.

가장 높은 지능

DeepSeek V4.1 Flash 1017 (max)

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

GLM-5.3 (max)

GLM-5.3 (max) (FAST)

Kimi K3 (max)

Intelligence Index

총 모델 21개

가장 빠름

DeepSeek V4.1 Flash (max) (FAST)

858 t/s

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

852 t/s

DeepSeek V4.1 Flash (non-reasoning) (FAST)

843 t/s

Nemotron 3.5 Super VL

542 t/s

Beam 1.0 (NVFP4)

521 t/s

출력 속도

총 모델 21개

가장 낮은 가격

DeepSeek V4 Flash 0731 (max)

$0.07

GLM-5.3-Flash

$0.10

Nemotron 3.5 Super VL

$0.12

gpt-oss-120b (high)

$0.14

gpt-oss-120b (low)

$0.14

혼합 가격(토큰 100만 개당)

총 모델 21개

Baseten에서 지능, 성능, 가격 특성이 서로 다른 모델 21개를 제공합니다. 아래에서 모델별 주요 지표를 비교합니다.

Baseten에서 지능이 가장 높은 모델은 DeepSeek V4.1 Flash 1017 (max)(45), DeepSeek V4.1 Flash 1017 (max) (FAST)(45) 및 GLM-5.3 (max)(45)입니다.
출력 속도가 가장 빠른 모델은 DeepSeek V4.1 Flash (max) (FAST)(858 t/s), DeepSeek V4.1 Flash 1017 (max) (FAST)(852 t/s) 및 DeepSeek V4.1 Flash (non-reasoning) (FAST)(843 t/s)입니다. 모델별 속도 차이가 크며, 가장 빠른 모델과 가장 느린 모델의 차이는 65%입니다.
첫 답변 토큰까지 걸린 시간이 가장 짧은 모델은 GLM-5.2 (non-reasoning) (FAST)(0.80초), DeepSeek V4.1 Flash (non-reasoning) (FAST)(0.92초) 및 GLM-5.2 (non-reasoning)(1.69초)입니다.
토큰 100만 개당 혼합 가격이 가장 낮은 모델은 DeepSeek V4 Flash 0731 (max)($0.07), GLM-5.3-Flash($0.10) 및 Nemotron 3.5 Super VL($0.12)입니다.
Baseten에서 가장 큰 컨텍스트 창을 지원하는 모델은 DeepSeek V4.1 Flash 1017 (max) (FAST)(1M), GLM-5.3 (max)(1M) 및 Kimi K3 (max)(1M)입니다.

지능

Artificial Analysis Intelligence Index · Higher is better

속도

Output tokens per second · Higher is better

가격

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

지능 평가

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. 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 Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

GDPval-AA v2.1

Agentic real-world work tasks, Elo

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

AA-LCR v1.1

Long context reasoning

SciCodeUnder review

Coding

CritPt

Physics reasoning

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 1.1New

Agentic software engineering in open-source repositories

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

AA-3DNew

Agentic interactive 3D experiences, 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 vs. 가격

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.

컨텍스트 창

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

가격

Intelligence Index vs. 가격

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.

성능 요약

출력 속도와 가격

Output speed: output tokens per second · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

속도

출력 속도(초당 토큰 수)로 측정

출력 속도

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

지연 시간

첫 토큰까지 걸린 시간(초)으로 측정

지연 시간: 첫 답변 토큰까지 걸린 시간

첫 답변 토큰 수신까지의 초 · 추론 모델의 ‘생각’ 시간 포함

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.

캐시 동작

캐시 적중률

캐시 가능한 입력 토큰 중 캐시에서 제공된 비율 · 최근 4주 중앙값, 2026년 9월 26일 갱신

The share of cacheable input tokens served from the provider's prompt cache, measured during multi-turn agentic coding 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.

작업당 비용와 캐시 적중률

Weighted average cost (USD) per Intelligence Index task · Cache hit rate: median of the last four weeks, updated Sep 26, 2026

Most attractive quadrant

Pareto line

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.

종단 간 응답 시간

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

종단 간 응답 시간과 가격

End-to-end response time: end-to-end seconds to output 500 tokens · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).


									추가 분석
DeepSeek V4.1 Flash 1017 (max)	1M	오픈	45	$1.01	369	0.26	7.03	5.42	모델 제공업체
DeepSeek V4.1 Flash 1017 (max) (FAST)	1.05M	오픈	45	$2.03	868	0.20	3.08	2.30	모델 제공업체
GLM-5.3 (max)	1.05M	오픈	45	$1.43	108	2.80	25.91	18.49	모델 제공업체
GLM-5.3 (max) (FAST)	1M	오픈	45	$3.75	229	0.87	11.77	8.72	모델 제공업체
Kimi K3 (max)	1.05M	오픈	44	$2.42	96	0.89	26.95	20.85	모델 제공업체
GLM-5.3-Flash	1.05M	오픈	42	$0.60	160	0.38	16.03	12.52	모델 제공업체
DeepSeek V4.1 Flash (max)	1M	오픈	39	$1.05	305	0.54	8.74	6.56	모델 제공업체
DeepSeek V4.1 Flash (max) (FAST)	1.05M	오픈	39	$2.10	747	0.94	4.28	2.68	모델 제공업체
Muse Spark Open (xhigh)	1.05M	오픈	39	$0.84	225	0.24	11.36	8.90	모델 제공업체
DeepSeek V4 Pro 0813 (max)	1M	오픈	36	$5.51	141	1.62	19.35	14.18	모델 제공업체
DeepSeek V4 Flash 0731 (max)	1.05M	오픈	34	$0.42	289	0.59	9.25	6.93	모델 제공업체
GLM-5.2 (max) (FAST)	524k	오픈	34	$1.61	308	0.87	8.99	6.50	모델 제공업체
GLM-5.2 (max)	1.05M	오픈	34	$0.65	133	1.65	20.40	14.99	모델 제공업체
DeepSeek V4 Pro (max)	1M	오픈	30	$2.90	--	--	--	--	모델 제공업체
Beam 1.0 (NVFP4)	1.05M	오픈	30	$0.40	514	0.34	5.21	3.89	모델 제공업체
DeepSeek V4 Pro (high)	1M	오픈	30*	--	--	--	--	--	모델 제공업체
Kimi K3 (low)	1M	오픈	30	$1.41	91	0.92	28.41	21.99	모델 제공업체
Kimi K2.6	262k	오픈	27	$0.74	--	--	--	--	모델 제공업체
Nemotron 3.5 Super VL	1M	오픈	26	$0.11	557	0.29	4.78	3.59	모델 제공업체
DeepSeek V4.1 Flash (non-reasoning) (FAST)	1.05M	오픈	25	$1.40	805	0.92	1.55	--	모델 제공업체
Kimi K2.6 (non-reasoning)	262k	오픈	24*	--	--	--	--	--	모델 제공업체
GLM-5.2 (non-reasoning) (FAST)	524k	오픈	22*	--	273	0.80	2.63	--	모델 제공업체
GLM-5.2 (non-reasoning)	1.05M	오픈	22*	--	109	2.01	6.58	--	모델 제공업체
DeepSeek V4 Pro (non-reasoning)	1M	오픈	21*	--	--	--	--	--	모델 제공업체
gpt-oss-120b (high)	128k	오픈	12	$0.07	213	0.18	11.89	9.37	모델 제공업체
gpt-oss-120b (low)	128k	오픈	10*	--	193	0.21	13.13	10.34	모델 제공업체

주요 용어 정의

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

자주 묻는 질문

Baseten에 관한 일반적인 질문

Baseten에서 제공하는 모델 중 지능이 가장 높은 모델은 Intelligence Index 점수 45점인 DeepSeek V4.1 Flash 1017 (max)입니다.

Baseten에서 출력 속도가 가장 빠른 모델은 초당 858.2토큰을 생성하는 DeepSeek V4.1 Flash (max) (FAST)입니다.

Baseten에서 첫 답변 토큰까지 걸린 시간이 가장 짧은 모델은 0.80초인 GLM-5.2 (non-reasoning) (FAST)입니다. 지연 시간이 짧을수록 최초 응답을 더 빨리 받습니다.

Baseten에서 혼합 가격이 가장 낮은 모델은 토큰 100만 개당 $0.07인 DeepSeek V4 Flash 0731 (max)입니다(캐시 적중/입력/출력 비율 7:2:1).

Baseten의 모델별 가격은 최대 32배 차이 납니다. DeepSeek V4 Flash 0731 (max)은 토큰 100만 개당 $0.07, Kimi K3 (low)은 $2.31입니다.

예. Baseten은 OpenAI 호환 API를 제공하므로 OpenAI에서 쉽게 전환하거나 기존 OpenAI SDK 통합을 사용할 수 있습니다.

예. Baseten의 모델 21개 모두 구조화된 출력용 JSON 모드를 지원합니다.

예. Baseten의 모델 21개 모두 함수 호출(도구 사용)을 지원합니다.

예. Baseten은 추론 모델 18개를 제공합니다: DeepSeek V4.1 Flash 1017 (max), DeepSeek V4.1 Flash 1017 (max) (FAST), GLM-5.3 (max), GLM-5.3 (max) (FAST), Kimi K3 (max), GLM-5.3-Flash, DeepSeek V4.1 Flash (max), DeepSeek V4.1 Flash (max) (FAST), Muse Spark Open (xhigh), DeepSeek V4 Pro 0813 (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max) (FAST), GLM-5.2 (max), Beam 1.0 (NVFP4), Kimi K3 (low), Nemotron 3.5 Super VL, gpt-oss-120b (high) 및 gpt-oss-120b (low). 추론 모델은 답변하기 전에 확장 사고를 사용해 복잡한 문제를 해결합니다.

예. Baseten의 모델 21개 모두 오픈 웨이트 모델입니다.

예. 인프라 변경, 부하 분산, 업데이트에 따라 제공업체 성능이 달라질 수 있습니다. 모든 제공업체를 지속적으로 벤치마킹하고 '시간 경과' 차트에 과거 성능 추이를 표시합니다.

Baseten에서 모델을 선택할 때는 지능(품질 중심 작업), 출력 속도(처리량 중심 작업), 지연 시간(빠른 최초 응답이 필요한 대화형 애플리케이션), 가격(비용에 민감한 워크로드), 컨텍스트 창 크기, JSON 모드, 함수 호출 지원 같은 기능을 고려하세요.

Baseten: 모델 지능, 성능 및 가격

가장 높은 지능

가장 빠름

가장 낮은 가격

지능

속도

가격

지능 평가

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Index vs. 가격

Price-Quality Variance

컨텍스트 창

컨텍스트 창

Context Window for RAG

Context Window

가격

Intelligence Index vs. 가격

Price-Quality Variance

성능 요약

출력 속도와 가격

Output Speed

Price

속도

출력 속도

Output Speed

Model Performance Representation

지연 시간

지연 시간: 첫 답변 토큰까지 걸린 시간

Time to First Answer Token

캐시 동작

캐시 적중률

What Cache Hit Rate Shows

작업당 비용와 캐시 적중률

Cost per Intelligence Index Task

종단 간 응답 시간

종단 간 응답 시간과 가격

Price

주요 용어 정의

Context Window

자주 묻는 질문

Baseten에서 어떤 모델을 제공하나요?

Baseten에서 지능이 가장 높은 모델은 무엇인가요?

Baseten에서 가장 빠른 모델은 무엇인가요?

Baseten에서 지연 시간이 가장 짧은 모델은 무엇인가요?

Baseten에서 가장 저렴한 모델은 무엇인가요?

Baseten의 모델별 가격 차이는 얼마나 되나요?

Baseten은 OpenAI와 호환되나요?

Baseten은 JSON 모드를 지원하나요?

Baseten은 함수 호출을 지원하나요?

Baseten은 추론 모델을 제공하나요?

Baseten은 오픈 웨이트 모델을 제공하나요?

Baseten의 성능은 시간에 따라 달라지나요?

Baseten에서 모델을 어떻게 선택해야 하나요?