DeepInfra: 모델 지능, 성능 및 가격
이 분석은 사용 사례에 가장 적합한 DeepInfra 제공 모델을 선택하는 데 도움을 드립니다.
가장 높은 지능
Kimi K3.1 Pro
DeepSeek V4.1 Flash 1017 (max)
GLM-5.3 (max)
MiMo-V2.6-ProGLM-5.3-FlashIntelligence Index
총 모델 105개
가장 짧은 작업당 시간
Nemotron 3.5 Lightning (NVFP4)
Muse Glimmer (high)
Inkling SmallNemotron 3.5 Super VLNemotron 3 Ultra BF16Intelligence Index 작업당 시간(분)
총 모델 105개
가장 낮은 가격
Llama 3.1 8B (Turbo, FP8)Llama 3.1 8B
Gemma 4 E4B (non-reasoning)Gemma 4 E4B
Ling 3.1 Flash혼합 가격(토큰 100만 개당)
총 모델 105개
DeepInfra에서 지능, 성능, 가격 특성이 서로 다른 모델 105개를 제공합니다. 아래에서 모델별 주요 지표를 비교합니다.
- DeepInfra에서 지능이 가장 높은 모델은 Kimi K3.1 Pro(46), DeepSeek V4.1 Flash 1017 (max)(33) 및 GLM-5.3 (max)(32)입니다.
- 작업당 시간에서는 Nemotron 3.5 Lightning (NVFP4)(3.8분), Muse Glimmer (high)(5.6분) 및 Inkling Small(5.7분)이(가) DeepInfra에서 Intelligence Index 작업을 가장 빨리 완료합니다.
- 첫 답변 토큰까지 걸린 시간이 가장 짧은 모델은 Llama 3 8B(0.41초), Qwen3 30B (non-reasoning) (FP8)(0.50초) 및 Phi-4(0.54초)입니다.
- 토큰 100만 개당 혼합 가격이 가장 낮은 모델은 Llama 3.1 8B (Turbo, FP8)($0.02), Llama 3.1 8B($0.02) 및 Gemma 4 E4B (non-reasoning)($0.03)입니다.
- DeepInfra에서 가장 큰 컨텍스트 창을 지원하는 모델은 Kimi K3.1 Pro(1M), Llama 4 Maverick (FP8)(1M) 및 DeepSeek V4 Pro (max) (FP4)(1M)입니다.
지능
Artificial Analysis Intelligence Index
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Physics reasoning
Quantitative analysis on spreadsheets & documents
Legal agentic work, Hallucination-Gated All-Pass Rate
Agentic business operations
Agentic real-world work tasks, Elo
Agentic interactive 3D experiences, Elo
Product and brand videos designed in code, Elo
Kubernetes incident root-cause analysis
Medical long context reasoning
Visual reasoning
Rich, varied, well-crafted language
Well-structured, scannable, answer-first
Truthful, acknowledges uncertainty, non-sycophantic
Use of filler and generic language
Intelligence Index vs. 가격
가격
Intelligence Index 작업당 비용
Intelligence Index vs. 가격
속도
측정한 단일 요청 및 멀티턴 에이전트 워크로드의 평균
Intelligence Index 작업당 시간
품질
Endpoint Accuracy Index
지연 시간
측정한 단일 요청 및 멀티턴 에이전트 워크로드의 평균
첫 답변 토큰까지 걸린 시간
신뢰성
측정한 모든 단일 요청 및 멀티턴 에이전트 워크로드에서 엔드포인트가 실패한 요청의 비율
엔드포인트 오류율
캐싱
캐시 적중률
작업당 비용와 캐시 적중률
추가 분석 | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
Kimi K3.1 Pro | 46 | $4.39 | 25.4 | 120.20 | 0.0% | 1M | 오픈 | |||
DeepSeek V4.1 Flash 1017 (max) | 33 | $0.19 | 19.3 | 61.34 | 0.0% | 1M | 오픈 | |||
GLM-5.3 (max) | 32 | $2.39 | 22.1 | 62.74 | 0.0% | 1M | 오픈 | |||
MiMo-V2.6-Pro | 30 | $0.54 | 37.6 | 42.20 | 2.6% | 1M | 오픈 | |||
GLM-5.3-Flash | 28 | $1.16 | 23.4 | 63.82 | 0.0% | 1M | 오픈 | |||
MiMo-V2.6-Flash | 27 | $0.13 | 49.2 | 57.50 | 0.7% | 1M | 오픈 | |||
DeepSeek V4 Pro 0813 (max) | 23 | $2.98 | 27.8 | 74.76 | 0.0% | 1M | 오픈 | |||
 Qwen3.8 27B (xhigh) | 20 | $1.54 | 35.6 | 137.59 | 0.0% | 262k | 오픈 | |||
 MiniMax-M3 | 19 | $1.11 | 43.6 | 38.96 | 3.9% | 524k | 오픈 | |||
Nemotron 3.5 Super VL | 14 | $0.35 | 5.8 | 21.45 | 0.0% | 1M | 오픈 | |||
Inkling Small | 13 | $0.29 | 6.5 | 49.93 | 2.6% | 524k | 오픈 | |||
Inkling (xhigh) (FP8) | 12 | $1.26 | 8.4 | 37.28 | 2.8% | 131k | 오픈 | |||
Nemotron 3 Ultra | 12 | $1.74 | 8.9 | 10.75 | 0.8% | 262k | 오픈 | |||
Nemotron 3 Ultra BF16 | 12 | $4.03 | 7.7 | 10.01 | 0.0% | 262k | 오픈 | |||
Muse Glimmer (high) | 6 | $0.13 | 5.7 | 31.17 | 0.9% | 131k | 오픈 | |||
Nemotron 3.5 Lightning (NVFP4) | 6 | $0.31 | 4.1 | 14.48 | 0.0% | 262k | 오픈 | |||
 Granite 4.2 8B | 5 | $0.0405 | 12.0 | 57.78 | 0.0% | 131k | 오픈 | |||
Gemma 4 31B | 4 | -- | -- | 86.42 | 0.6% | 262k | 오픈 | |||
 gpt-oss-120b (high) (Turbo) | 4 | $0.35 | 35.2 | 78.22 | 0.8% | 131k | 오픈 | |||
gpt-oss-120b (high) | 4 | $0.0868 | 36.6 | 65.98 | 4.3% | 131k | 오픈 | |||
Qwen3.5 122B A10B (non-reasoning) (FP4) | -- | -- | -- | 2.04 | 0.0% | 262k | 오픈 | |||
Qwen3 Coder 480B (Turbo, FP4) | -- | -- | -- | 14.43 | 0.0% | 262k | 오픈 | |||
Kimi K2.6 (FP4) | -- | -- | -- | 265.93 | 3.8% | 262k | 오픈 | |||
Qwen3.5 397B A17B (FP8) | -- | -- | -- | 68.98 | 0.0% | 262k | 오픈 | |||
Kimi K2.6 (non-reasoning) (FP4) | -- | -- | -- | 2.30 | 0.0% | 262k | 오픈 | |||
MiniMax-M2.5 (FP8) | -- | -- | -- | 62.95 | 0.0% | 197k | 오픈 | |||
Qwen3.5 27B (FP8) | -- | -- | -- | 88.43 | 6.1% | 262k | 오픈 | |||
 Hermes 3 - Llama-3.1 70B | -- | -- | -- | 0.90 | 0.0% | 131k | 오픈 | |||
Gemma 3 4B | -- | -- | -- | 1.44 | 2.9% | 131k | 오픈 | |||
Qwen3.5 122B A10B (FP4) | -- | -- | -- | 48.53 | 0.0% | 262k | 오픈 | |||
Nemotron 3 Nano (non-reasoning) | -- | -- | -- | 0.79 | 0.0% | 262k | 오픈 | |||
 Mistral Small 3.1 | -- | -- | -- | 2.56 | 0.0% | 128k | 오픈 | |||
Qwen3 Next 80B A3B | -- | -- | -- | 1.31 | 0.0% | 262k | 오픈 | |||
Gemma 3 27B | -- | -- | -- | 1.98 | 0.0% | 131k | 오픈 | |||
GLM-4.7-Flash | -- | -- | -- | 4.48 | 0.0% | 203k | 오픈 | |||
Gemma 3 12B | -- | -- | -- | 2.87 | 0.0% | 131k | 오픈 | |||
NVIDIA Nemotron Nano 9B V2 (non-reasoning) | -- | -- | -- | 0.78 | 0.0% | 131k | 오픈 | |||
Qwen3.5 4B (non-reasoning) FP8 | -- | -- | -- | 1.39 | 0.9% | 262k | 오픈 | |||
Qwen3.5 397B A17B (non-reasoning) (FP8) | -- | -- | -- | 2.09 | 0.0% | 262k | 오픈 | |||
Qwen3 235B 2507 (FP8) | -- | -- | -- | 4.24 | 0.0% | 262k | 오픈 | |||
gpt-oss-20b (high) | -- | -- | -- | 34.68 | 1.9% | 131k | 오픈 | |||
Qwen3.6 27B (non-reasoning) FP8 | -- | -- | -- | 2.51 | 0.0% | 262k | 오픈 | |||
Qwen3 30B (FP8) | -- | -- | -- | 16.47 | 0.0% | 41k | 오픈 | |||
GLM-5 (FP4) | -- | -- | -- | 39.69 | 0.0% | 203k | 오픈 | |||
Mistral Small 3.2 (FP8) | -- | -- | -- | 2.42 | 0.0% | 128k | 오픈 | |||
DeepSeek V3 (Dec) | -- | -- | -- | 1.30 | 0.0% | 164k | 오픈 | |||
Qwen3 14B (FP8) | -- | -- | -- | 16.93 | 0.0% | 33k | 오픈 | |||
Llama 3.1 70B | -- | -- | -- | 7.84 | 0.0% | 131k | 오픈 | |||
Llama 3.1 70B (Turbo, FP8) | -- | -- | -- | 7.59 | 0.0% | 131k | 오픈 | |||
Qwen3.5 35B A3B (FP8) | -- | -- | -- | 84.41 | 11.4% | 262k | 오픈 | |||
DeepSeek R1 Distill Llama 70B | -- | -- | -- | -- | -- | 131k | 오픈 | |||
Qwen3.5 27B (non-reasoning) FP8 | -- | -- | -- | 2.52 | 0.0% | 262k | 오픈 | |||
Gemma 4 E4B (non-reasoning) | -- | -- | -- | 1.56 | 0.0% | 131k | 오픈 | |||
GLM-5.1 (FP4) | -- | -- | -- | 46.25 | 0.0% | 203k | 오픈 | |||
DeepSeek V4 Pro (high) (FP4) | -- | -- | -- | -- | -- | 66k | 오픈 | |||
Llama 3.2 11B (Vision) | -- | -- | -- | 4.24 | 0.7% | 131k | 오픈 | |||
Nemotron 3 Super | -- | -- | -- | 14.30 | 0.0% | 262k | 오픈 | |||
Qwen3.5 4B (FP8) | -- | -- | -- | 147.44 | 5.7% | 262k | 오픈 | |||
Qwen3.6 35B A3B (non-reasoning) (FP8) | -- | -- | -- | 1.38 | 1.5% | 262k | 오픈 | |||
GLM-4.6 (FP4) | -- | -- | -- | 40.88 | 5.3% | 203k | 오픈 | |||
 Step 3.7 Flash | -- | -- | -- | 46.11 | 0.0% | 256k | 오픈 | |||
DeepSeek V3.2 (non-reasoning) | -- | -- | -- | 2.29 | 0.0% | 164k | 오픈 | |||
Gemma 4 26B A4B (FP8) | -- | -- | -- | 73.25 | 0.7% | 262k | 오픈 | |||
GLM-4.7 (FP4) | -- | -- | -- | 63.71 | 4.7% | 203k | 오픈 | |||
Gemma 4 26B A4B (non-reasoning) (FP8) | -- | -- | -- | 1.34 | 1.5% | 262k | 오픈 | |||
Llama 3.1 8B (Turbo, FP8) | -- | -- | -- | 17.80 | 2.0% | 131k | 오픈 | |||
Llama 3.1 8B | -- | -- | -- | 31.38 | 0.0% | 131k | 오픈 | |||
DeepSeek V3 0324 (FP4) | -- | -- | -- | 1.01 | 0.0% | 164k | 오픈 | |||
Nemotron 3 Nano | -- | -- | -- | 0.78 | 0.0% | 262k | 오픈 | |||
DeepSeek V4 Flash Vision (max) | -- | -- | -- | 40.20 | 0.0% | 1M | 독점 | |||
GLM-4.7 (non-reasoning) (FP4) | -- | -- | -- | 2.79 | 0.0% | 203k | 오픈 | |||
Llama 3 8B | -- | -- | -- | 0.47 | 0.0% | 8k | 오픈 | |||
Qwen3.6 35B A3B (FP8) | -- | -- | -- | 98.11 | 1.7% | 262k | 오픈 | |||
DeepSeek V4 Flash (high) (FP4) | -- | -- | -- | -- | -- | 1M | 오픈 | |||
Qwen3.6 27B FP8 | -- | -- | -- | 39.84 | 0.0% | 262k | 오픈 | |||
Kimi K2.7 Code | -- | -- | -- | 43.26 | 0.0% | 262k | 오픈 | |||
Qwen3.8 2.4T A95B | -- | -- | -- | 59.23 | 0.9% | 262k | 오픈 | |||
Llama 4 Maverick (FP8) | -- | -- | -- | 1.62 | 1.3% | 1M | 오픈 | |||
GLM-5.1 (non-reasoning) (FP4) | -- | -- | -- | 2.27 | 0.0% | 203k | 오픈 | |||
Llama 3.3 70B (Turbo, FP8) | -- | -- | -- | 8.33 | 0.9% | 131k | 오픈 | |||
Kimi K2.5 | -- | -- | -- | 207.18 | 2.9% | 262k | 오픈 | |||
Ling 3.1 Flash | -- | -- | -- | 52.16 | 4.7% | 262k | 오픈 | |||
DeepSeek R1 0528 | -- | -- | -- | 58.36 | 2.1% | 164k | 오픈 | |||
Llama 4 Scout | -- | -- | -- | 1.05 | 1.9% | 131k | 오픈 | |||
Qwen3 32B (FP8) | -- | -- | -- | 27.08 | 0.0% | 41k | 오픈 | |||
 Hy3 (FP8) | -- | -- | -- | 105.73 | 5.0% | 262k | 오픈 | |||
Qwen2.5 72B | -- | -- | -- | 5.71 | 0.0% | 33k | 오픈 | |||
DeepSeek V4 Pro (max) (FP4) | -- | -- | -- | 21.56 | 0.0% | 1M | 오픈 | |||
Qwen3 32B (non-reasoning) (FP8) | -- | -- | -- | 1.03 | 0.0% | 41k | 오픈 | |||
gpt-oss-120b (low) | -- | -- | -- | 4.16 | 3.2% | 131k | 오픈 | |||
Gemma 4 31B (non-reasoning) (FP8) | -- | -- | -- | 4.09 | 1.3% | 262k | 오픈 | |||
DeepSeek V3.2 (FP4) | -- | -- | -- | 27.61 | 5.1% | 164k | 오픈 | |||
Gemma 4 E4B | -- | -- | -- | 17.46 | 1.5% | 131k | 오픈 | |||
DeepSeek V4 Flash (max) (FP4) | -- | -- | -- | 11.30 | 0.0% | 1M | 오픈 | |||
DeepSeek V4.1 Flash (max) | -- | -- | -- | 51.86 | 0.0% | 1M | 오픈 | |||
DeepSeek V3.1 Terminus (non-reasoning) (FP4) | -- | -- | -- | 1.03 | 0.0% | 164k | 오픈 | |||
Ling 3.0 Flash | -- | -- | -- | 7.32 | 0.0% | 131k | 오픈 | |||
Mistral Small 3 | -- | -- | -- | 0.55 | 0.0% | 33k | 오픈 | |||
Qwen3 14B (non-reasoning) (FP8) | -- | -- | -- | 16.36 | 0.0% | 41k | 오픈 | |||
 Phi-4 | -- | -- | -- | 0.53 | 0.0% | 16k | 오픈 | |||
Qwen3.5 35B A3B (non-reasoning) FP8 | -- | -- | -- | 1.20 | 13.5% | 262k | 오픈 | |||
GLM-5 (non-reasoning) (FP8) | -- | -- | -- | 1.97 | 0.0% | 203k | 오픈 | |||
NVIDIA Nemotron Nano 9B V2 | -- | -- | -- | 0.78 | 0.0% | 131k | 오픈 | |||
Qwen3 30B (non-reasoning) (FP8) | -- | -- | -- | 0.45 | 0.0% | 41k | 오픈 | |||
Qwen3 235B A22B 2507 (FP8) | -- | -- | -- | 73.77 | 2.5% | 262k | 오픈 | |||
GLM-5.2 (max) (FP4) | -- | -- | -- | 29.73 | 0.0% | 1M | 오픈 | |||
DeepSeek V3.1 (non-reasoning) (FP4) | -- | -- | -- | 15.13 | 0.0% | 164k | 오픈 | |||
DeepSeek V4 Flash 0731 (max) | -- | -- | -- | 18.86 | 0.0% | 1M | 오픈 | |||
주요 용어 정의
자주 묻는 질문
DeepInfra에 관한 일반적인 질문
DeepInfra에서 추적 중인 모델 105개를 제공합니다: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), MiMo-V2.6-Pro, GLM-5.3-Flash, MiMo-V2.6-Flash, DeepSeek V4 Pro 0813 (max), Qwen3.8 27B (xhigh), MiniMax-M3, Nemotron 3.5 Super VL, Inkling Small, Inkling (xhigh) (FP8), Nemotron 3 Ultra, Nemotron 3 Ultra BF16, Muse Glimmer (high), Nemotron 3.5 Lightning (NVFP4), Granite 4.2 8B, Gemma 4 31B, gpt-oss-120b (high) (Turbo), gpt-oss-120b (high), Qwen3.5 122B A10B (non-reasoning) (FP4), Qwen3 Coder 480B (Turbo, FP4), Kimi K2.6 (FP4), Qwen3.5 397B A17B (FP8), Kimi K2.6 (non-reasoning) (FP4), MiniMax-M2.5 (FP8), Qwen3.5 27B (FP8), Hermes 3 - Llama-3.1 70B, Gemma 3 4B, Qwen3.5 122B A10B (FP4), Nemotron 3 Nano (non-reasoning), Mistral Small 3.1, Qwen3 Next 80B A3B, Gemma 3 27B, GLM-4.7-Flash, Gemma 3 12B, NVIDIA Nemotron Nano 9B V2 (non-reasoning), Qwen3.5 4B (non-reasoning) FP8, Qwen3.5 397B A17B (non-reasoning) (FP8), Qwen3 235B 2507 (FP8), gpt-oss-20b (high), Qwen3.6 27B (non-reasoning) FP8, Qwen3 30B (FP8), GLM-5 (FP4), Mistral Small 3.2 (FP8), DeepSeek V3 (Dec), Qwen3 14B (FP8), Llama 3.1 70B, Llama 3.1 70B (Turbo, FP8), Qwen3.5 35B A3B (FP8), Qwen3.5 27B (non-reasoning) FP8, Gemma 4 E4B (non-reasoning), GLM-5.1 (FP4), Llama 3.2 11B (Vision), Nemotron 3 Super, Qwen3.5 4B (FP8), Qwen3.6 35B A3B (non-reasoning) (FP8), GLM-4.6 (FP4), Step 3.7 Flash, DeepSeek V3.2 (non-reasoning), Gemma 4 26B A4B (FP8), GLM-4.7 (FP4), Gemma 4 26B A4B (non-reasoning) (FP8), Llama 3.1 8B (Turbo, FP8), Llama 3.1 8B, DeepSeek V3 0324 (FP4), Nemotron 3 Nano, DeepSeek V4 Flash Vision (max), GLM-4.7 (non-reasoning) (FP4), Llama 3 8B, Qwen3.6 35B A3B (FP8), Qwen3.6 27B FP8, Kimi K2.7 Code, Qwen3.8 2.4T A95B, Llama 4 Maverick (FP8), GLM-5.1 (non-reasoning) (FP4), Llama 3.3 70B (Turbo, FP8), Kimi K2.5, Ling 3.1 Flash, DeepSeek R1 0528, Llama 4 Scout, Qwen3 32B (FP8), Hy3 (FP8), Qwen2.5 72B, DeepSeek V4 Pro (max) (FP4), Qwen3 32B (non-reasoning) (FP8), gpt-oss-120b (low), Gemma 4 31B (non-reasoning) (FP8), DeepSeek V3.2 (FP4), Gemma 4 E4B, DeepSeek V4 Flash (max) (FP4), DeepSeek V4.1 Flash (max), DeepSeek V3.1 Terminus (non-reasoning) (FP4), Ling 3.0 Flash, Mistral Small 3, Qwen3 14B (non-reasoning) (FP8), Phi-4, Qwen3.5 35B A3B (non-reasoning) FP8, GLM-5 (non-reasoning) (FP8), NVIDIA Nemotron Nano 9B V2, Qwen3 30B (non-reasoning) (FP8), Qwen3 235B A22B 2507 (FP8), GLM-5.2 (max) (FP4), DeepSeek V3.1 (non-reasoning) (FP4) 및 DeepSeek V4 Flash 0731 (max).
DeepInfra에서 제공하는 모델 중 지능이 가장 높은 모델은 Intelligence Index 점수 46점인 Kimi K3.1 Pro입니다.
DeepInfra에서 작업당 시간이 가장 짧은 모델은 Intelligence Index 작업당 3.8분인 Nemotron 3.5 Lightning (NVFP4)입니다. 작업당 시간은 작업당 출력 토큰 수를 종단 간 출력 속도로 나눈 값이며, 짧을수록 작업이 더 빨리 끝납니다.
DeepInfra에서 첫 답변 토큰까지 걸린 시간이 가장 짧은 모델은 0.41초인 Llama 3 8B입니다. 지연 시간이 짧을수록 최초 응답을 더 빨리 받습니다.
DeepInfra에서 혼합 가격이 가장 낮은 모델은 토큰 100만 개당 $0.022인 Llama 3.1 8B (Turbo, FP8)입니다(캐시 적중/입력/출력 비율 7:2:1).
DeepInfra의 모델별 가격은 최대 66.4배 차이 납니다. Llama 3.1 8B (Turbo, FP8)은 토큰 100만 개당 $0.022, Kimi K3.1 Pro은 $1.46입니다.
예. DeepInfra은 OpenAI 호환 API를 제공하므로 OpenAI에서 쉽게 전환하거나 기존 OpenAI SDK 통합을 사용할 수 있습니다.
예. DeepInfra의 모델 105개 모두 구조화된 출력용 JSON 모드를 지원합니다.
DeepInfra의 모델 105개 중 103개가 함수 호출(도구 사용)을 지원합니다.
예. DeepInfra은 추론 모델 60개를 제공합니다: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), MiMo-V2.6-Pro, GLM-5.3-Flash, MiMo-V2.6-Flash, DeepSeek V4 Pro 0813 (max), Qwen3.8 27B (xhigh), MiniMax-M3, Nemotron 3.5 Super VL, Inkling Small, Inkling (xhigh) (FP8), Nemotron 3 Ultra, Nemotron 3 Ultra BF16, Muse Glimmer (high), Nemotron 3.5 Lightning (NVFP4), Granite 4.2 8B, Gemma 4 31B, gpt-oss-120b (high) (Turbo), gpt-oss-120b (high), Kimi K2.6 (FP4), Qwen3.5 397B A17B (FP8), MiniMax-M2.5 (FP8), Qwen3.5 27B (FP8), Qwen3.5 122B A10B (FP4), GLM-4.7-Flash, gpt-oss-20b (high), Qwen3 30B (FP8), GLM-5 (FP4), Qwen3 14B (FP8), Qwen3.5 35B A3B (FP8), GLM-5.1 (FP4), Nemotron 3 Super, Qwen3.5 4B (FP8), GLM-4.6 (FP4), Step 3.7 Flash, Gemma 4 26B A4B (FP8), GLM-4.7 (FP4), Nemotron 3 Nano, DeepSeek V4 Flash Vision (max), Qwen3.6 35B A3B (FP8), Qwen3.6 27B FP8, Kimi K2.7 Code, Qwen3.8 2.4T A95B, Kimi K2.5, Ling 3.1 Flash, DeepSeek R1 0528, Qwen3 32B (FP8), Hy3 (FP8), DeepSeek V4 Pro (max) (FP4), gpt-oss-120b (low), DeepSeek V3.2 (FP4), Gemma 4 E4B, DeepSeek V4 Flash (max) (FP4), DeepSeek V4.1 Flash (max), Ling 3.0 Flash, NVIDIA Nemotron Nano 9B V2, Qwen3 235B A22B 2507 (FP8), GLM-5.2 (max) (FP4) 및 DeepSeek V4 Flash 0731 (max). 추론 모델은 답변하기 전에 확장 사고를 사용해 복잡한 문제를 해결합니다.
예. DeepInfra의 모델 105개 중 104개가 오픈 웨이트 모델입니다: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), MiMo-V2.6-Pro, GLM-5.3-Flash, MiMo-V2.6-Flash, DeepSeek V4 Pro 0813 (max), Qwen3.8 27B (xhigh), MiniMax-M3, Nemotron 3.5 Super VL, Inkling Small, Inkling (xhigh) (FP8), Nemotron 3 Ultra, Nemotron 3 Ultra BF16, Muse Glimmer (high), Nemotron 3.5 Lightning (NVFP4), Granite 4.2 8B, Gemma 4 31B, gpt-oss-120b (high) (Turbo), gpt-oss-120b (high), Qwen3.5 122B A10B (non-reasoning) (FP4), Qwen3 Coder 480B (Turbo, FP4), Kimi K2.6 (FP4), Qwen3.5 397B A17B (FP8), Kimi K2.6 (non-reasoning) (FP4), MiniMax-M2.5 (FP8), Qwen3.5 27B (FP8), Hermes 3 - Llama-3.1 70B, Gemma 3 4B, Qwen3.5 122B A10B (FP4), Nemotron 3 Nano (non-reasoning), Mistral Small 3.1, Qwen3 Next 80B A3B, Gemma 3 27B, GLM-4.7-Flash, Gemma 3 12B, NVIDIA Nemotron Nano 9B V2 (non-reasoning), Qwen3.5 4B (non-reasoning) FP8, Qwen3.5 397B A17B (non-reasoning) (FP8), Qwen3 235B 2507 (FP8), gpt-oss-20b (high), Qwen3.6 27B (non-reasoning) FP8, Qwen3 30B (FP8), GLM-5 (FP4), Mistral Small 3.2 (FP8), DeepSeek V3 (Dec), Qwen3 14B (FP8), Llama 3.1 70B, Llama 3.1 70B (Turbo, FP8), Qwen3.5 35B A3B (FP8), Qwen3.5 27B (non-reasoning) FP8, Gemma 4 E4B (non-reasoning), GLM-5.1 (FP4), Llama 3.2 11B (Vision), Nemotron 3 Super, Qwen3.5 4B (FP8), Qwen3.6 35B A3B (non-reasoning) (FP8), GLM-4.6 (FP4), Step 3.7 Flash, DeepSeek V3.2 (non-reasoning), Gemma 4 26B A4B (FP8), GLM-4.7 (FP4), Gemma 4 26B A4B (non-reasoning) (FP8), Llama 3.1 8B (Turbo, FP8), Llama 3.1 8B, DeepSeek V3 0324 (FP4), Nemotron 3 Nano, GLM-4.7 (non-reasoning) (FP4), Llama 3 8B, Qwen3.6 35B A3B (FP8), Qwen3.6 27B FP8, Kimi K2.7 Code, Qwen3.8 2.4T A95B, Llama 4 Maverick (FP8), GLM-5.1 (non-reasoning) (FP4), Llama 3.3 70B (Turbo, FP8), Kimi K2.5, Ling 3.1 Flash, DeepSeek R1 0528, Llama 4 Scout, Qwen3 32B (FP8), Hy3 (FP8), Qwen2.5 72B, DeepSeek V4 Pro (max) (FP4), Qwen3 32B (non-reasoning) (FP8), gpt-oss-120b (low), Gemma 4 31B (non-reasoning) (FP8), DeepSeek V3.2 (FP4), Gemma 4 E4B, DeepSeek V4 Flash (max) (FP4), DeepSeek V4.1 Flash (max), DeepSeek V3.1 Terminus (non-reasoning) (FP4), Ling 3.0 Flash, Mistral Small 3, Qwen3 14B (non-reasoning) (FP8), Phi-4, Qwen3.5 35B A3B (non-reasoning) FP8, GLM-5 (non-reasoning) (FP8), NVIDIA Nemotron Nano 9B V2, Qwen3 30B (non-reasoning) (FP8), Qwen3 235B A22B 2507 (FP8), GLM-5.2 (max) (FP4), DeepSeek V3.1 (non-reasoning) (FP4) 및 DeepSeek V4 Flash 0731 (max).
예. 인프라 변경, 부하 분산, 업데이트에 따라 제공업체 성능이 달라질 수 있습니다. 모든 제공업체를 지속적으로 벤치마킹하고 '시간 경과' 차트에 과거 성능 추이를 표시합니다.
DeepInfra에서 모델을 선택할 때는 지능(품질 중심 작업), 작업당 시간(Intelligence Index 작업을 완료하는 속도), 지연 시간(빠른 최초 응답이 필요한 대화형 애플리케이션), 가격(비용에 민감한 워크로드), 컨텍스트 창 크기, JSON 모드, 함수 호출 지원 같은 기능을 고려하세요.