•

Proprietary model

•

Released setembro de 2026

Análise de inteligência, desempenho e preço do Agnes 3.0 Flash

Name: Inteligência
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Experimente Benchmarks de provedores de API

Custo

Entrada US$ 0,05Saída US$ 0,15Desconto do cache 90%

N/D

Custo por tarefa do Intelligence Index

Verbosidade

N/D

Tokens de saída do Intelligence Index

Agnes 3.0 Flash está entre os modelos líderes em inteligência, mas tem preço um pouco alto em comparação com outros modelos de preço semelhante. O modelo aceita entrada em texto e imagem, gera saída em texto e tem uma janela de contexto de 1M tokens.

Agnes 3.0 Flash alcança 36 pontos no Artificial Analysis Intelligence Index, ficando bem acima da média entre os modelos comparáveis (mediana: 8).

O preço do Agnes 3.0 Flash é de $0.05 por 1M de tokens de entrada (preço um pouco alto, mediana: $0.03) e $0.15 por 1M de tokens de saída (preço um pouco alto, mediana: $0.11).

Com 236 tokens por segundo, Agnes 3.0 Flash é especialmente rápido (152).

Raciocínio	Sim Esta página mostra a versão com raciocínio deste modelo. Também pode existir uma variante sem raciocínio.
Modalidade de entrada	Compatível com: texto e imagem
Modalidade de saída	Compatível com: texto
Janela de contexto	1M ~1500 páginas A4 em fonte Arial tamanho 12

As métricas são comparadas com modelos da mesma classe:

Modelos sem raciocínio → comparados apenas com outros modelos sem raciocínio
Modelos de raciocínio → comparados com modelos com e sem raciocínio
Modelos de pesos abertos → comparados apenas com outros modelos de pesos abertos da mesma classe de tamanho:

Muito pequeno: ≤4B parâmetros
Pequeno: 4B–40B parâmetros
Médio: 40B–150B parâmetros
Grande: >150B parâmetros

Modelos proprietários → comparados com modelos proprietários e de pesos abertos da mesma faixa de preço, usando uma proporção combinada de 3:1 entre os preços de entrada e saída:

<$0.15 por 1M de tokens
$0.15–$1 por 1M de tokens
>$1 por 1M de tokens

Destaques

Updated

Inteligência

Artificial Analysis Intelligence Index · Higher is better

Velocidade

Output tokens per second · Higher is better

Custo por tarefa

Weighted average cost (USD) per Intelligence Index task · Lower is better

InteligênciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3 incorporates 10 evaluations: AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench v4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3 includes: AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench v4.0, 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.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Estimate (independent evaluation forthcoming)

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Avaliações

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench v4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPt

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

IFBench

Instruction following

𝜏³-Banking

Agentic tool use

APEX-Agents-AA

Long-horizon agentic tasks

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Comparações do Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

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.

Custo

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Janela de contexto

Context Window

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).

Velocidade

Medida pela velocidade de saída (tokens por segundo)

Output Speed

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 (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Time per Intelligence Index Task

Weighted average decode time (minutes) per task; excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Latência

Medida pelo tempo (segundos) até o primeiro token

Latency: Time To First Answer Token

Seconds to first answer token received · Accounts for reasoning model 'thinking' time

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.

Tempo de resposta de ponta a ponta

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

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Perguntas frequentes

Perguntas comuns sobre o Agnes 3.0 Flash

O Agnes 3.0 Flash foi lançado em 11 de setembro de 2026.

Sapiens AI criou o Agnes 3.0 Flash.

Agnes 3.0 Flash alcança 36 pontos (estimativa) no Artificial Analysis Intelligence Index, ficando bem acima da média entre outros modelos de raciocínio em uma faixa de preço semelhante (mediana: 8).

Agnes 3.0 Flash gera a saída a 235.9 tokens por segundo (com base na API de Sapiens AI), um resultado bem acima da média em comparação com outros modelos de raciocínio em uma faixa de preço semelhante (mediana: 152.2 t/s).

Agnes 3.0 Flash tem um tempo até o primeiro token (TTFT) de 1.84s (com base na API de Sapiens AI), um resultado um pouco acima da média em comparação com outros modelos de raciocínio em uma faixa de preço semelhante (mediana: 0.88s).

Agnes 3.0 Flash custa $0.05 por 1M de tokens de entrada (melhor que a média, mediana: $0.05) e $0.15 por 1M de tokens de saída (melhor que a média, mediana: $0.20), com base na API de Sapiens AI.

Agnes 3.0 Flash custa $0.05 por 1M de tokens de entrada e $0.15 por 1M de tokens de saída (com base na API de Sapiens AI). Considerando uma tarifa combinada (proporção de 7:2:1 entre acerto do cache, entrada e saída), o preço é de $0.03 por 1M de tokens. O preço pode variar conforme o provedor. Comparar preços dos provedores

Sim, o Agnes 3.0 Flash é um modelo de raciocínio. Ele usa reflexão prolongada ou raciocínio em cadeia para resolver problemas complexos antes de fornecer uma resposta.

Agnes 3.0 Flash aceita entrada em texto e imagem.

Agnes 3.0 Flash permite saída em texto.

Sim, o Agnes 3.0 Flash aceita imagens como entrada e pode analisá-las, descrevê-las e responder a perguntas sobre elas.

Sim, o Agnes 3.0 Flash é multimodal. Ele consegue processar entrada em texto e imagem e gerar saída em texto.

Agnes 3.0 Flash tem uma janela de contexto de 1.0M tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.

Não, o Agnes 3.0 Flash é proprietário. Os pesos não estão disponíveis publicamente.

Agnes 3.0 Flash é um modelo proprietário, e Sapiens AI não divulgou o tamanho nem o número de parâmetros do modelo.

Agnes 3.0 Flash alcança 36 pontos no Artificial Analysis Intelligence Index. Esse benchmark composto avalia os modelos em raciocínio, conhecimento, matemática e programação.

Sim, o Agnes 3.0 Flash está disponível por API em 1 provedor. Comparar provedores de API

Agnes 3.0 Flash está disponível em 1 provedor de API. Comparar provedores

Análise de inteligência, desempenho e preço do Agnes 3.0 Flash

Resumo do modelo

InteligênciaUpdated

Velocidade

Custo

Verbosidade

Resumo da comparação

Especificações técnicas

61 modelos nesta classe

Inteligência

Velocidade

Custo por tarefa

InteligênciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

Avaliações

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Comparações do Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Custo

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

Janela de contexto

Context Window

Context Window for RAG

Context Window

Velocidade

Output Speed

Output Speed

Model Performance Representation

Time per Intelligence Index Task

Time per Intelligence Index Task

Latência

Latency: Time To First Answer Token

Time to First Answer Token

Tempo de resposta de ponta a ponta

End-to-End Response Time

End-to-End Response Time

Model Performance Representation

Perguntas frequentes

Quando o Agnes 3.0 Flash foi lançado?

Quem criou o Agnes 3.0 Flash?

Qual é a inteligência do Agnes 3.0 Flash?

Qual é a velocidade do Agnes 3.0 Flash?

Qual é a latência do Agnes 3.0 Flash?

Quanto custa o Agnes 3.0 Flash?

Qual é o preço da API do Agnes 3.0 Flash?

O Agnes 3.0 Flash é um modelo de raciocínio?

Quais modalidades de entrada o Agnes 3.0 Flash aceita?

Quais modalidades de saída o Agnes 3.0 Flash aceita?

O Agnes 3.0 Flash consegue processar imagens?

O Agnes 3.0 Flash é multimodal?

Qual é a janela de contexto do Agnes 3.0 Flash?

O Agnes 3.0 Flash é de código aberto?

Quantos parâmetros o Agnes 3.0 Flash tem?

Qual é o desempenho do Agnes 3.0 Flash nos benchmarks?

O Agnes 3.0 Flash está disponível por API?

Onde posso usar o Agnes 3.0 Flash?