This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Snowflake

•

Open weights model

•

Released abril de 2024

Análise de inteligência, desempenho e preço do Arctic Instruct

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

Experimente Benchmarks de provedores de API

Velocidade

N/D

Tokens de saída por segundo

Custo

Entrada US$ 0,00Saída US$ 0,00

N/D

Custo por tarefa do Intelligence Index

Verbosidade

N/D

Tokens de saída do Intelligence Index

Arctic Instruct está entre os modelos menos inteligentes, mas tem preço competitivo em comparação com outros modelos sem raciocínio, de pesos abertos e tamanho semelhante. O modelo aceita entrada em texto, gera saída em texto e tem uma janela de contexto de 4k tokens.

Arctic Instruct alcança 5 pontos no Artificial Analysis Intelligence Index, ficando na faixa inferior entre os modelos comparáveis (mediana: 12).

O preço do Arctic Instruct é de $0.00 por 1M de tokens de entrada (preço competitivo, mediana: $0.30) e $0.00 por 1M de tokens de saída (preço competitivo, mediana: $0.92).

Raciocínio	Não Esta página mostra a versão sem raciocínio deste modelo. Também pode existir uma variante com raciocínio.
Modalidade de entrada	Compatível com: texto
Modalidade de saída	Compatível com: texto
Janela de contexto	4k ~6 páginas A4 em fonte Arial tamanho 12
Parâmetros totais	480B
Parâmetros ativos	17B Número de parâmetros ativos por token durante a inferência
Licença	Apache 2.0
Pesos do modelo	Hugging Face

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 v4.3.2 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

Estimate (independent evaluation forthcoming)

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.

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 v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

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

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench 4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPtUnder review

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

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

𝜏³-Banking

Agentic tool use

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AA

Medical long context reasoning

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

Openness Index

Artificial Analysis Openness Index: Score

Openness Index assesses model openness on a 0 to 100 normalized scale (higher is more open)

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).

Tamanho do modelo (somente modelos de pesos abertos)

Model Size: Total and Active Parameters

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Perguntas frequentes

Perguntas comuns sobre o Arctic Instruct

O Arctic Instruct foi lançado em 24 de abril de 2024.

Snowflake criou o Arctic Instruct.

Arctic Instruct alcança 5 pontos (estimativa) no Artificial Analysis Intelligence Index, ficando na faixa inferior entre outros modelos sem raciocínio, de pesos abertos e tamanho semelhante (mediana: 12).

Não, o Arctic Instruct não é um modelo de raciocínio. Ele fornece respostas diretas, sem raciocínio em cadeia prolongado.

Arctic Instruct aceita entrada em texto.

Arctic Instruct permite saída em texto.

Não, o Arctic Instruct não aceita imagens como entrada. Ele só consegue processar texto.

Não, o Arctic Instruct não é multimodal. Ele aceita apenas entrada em texto.

Arctic Instruct tem uma janela de contexto de 4.0k tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.

Sim, o Arctic Instruct é um modelo de pesos abertos. Os pesos estão disponíveis publicamente e podem ser baixados para auto-hospedagem.

Arctic Instruct tem 480 bilhões parâmetros (17 bilhões ativos).

Arctic Instruct é um modelo de mistura de especialistas (MoE) com 480 bilhões parâmetros no total, mas apenas 17 bilhões parâmetros ativos são usados durante a inferência.

Arctic Instruct foi lançado sob a licença Apache 2.0. Essa licença permite o uso comercial. Ver licença

Arctic Instruct alcança 5 pontos no Artificial Analysis Intelligence Index. Esse benchmark composto avalia os modelos em raciocínio, conhecimento, matemática e programação.

Arctic Instruct é um modelo de pesos abertos que pode ser auto-hospedado. Ver provedores

Arctic Instruct é um modelo de pesos abertos que pode ser baixado e auto-hospedado. Comparar provedores

Análise de inteligência, desempenho e preço do Arctic Instruct

Resumo do modelo

InteligênciaUpdated

Velocidade

Custo

Verbosidade

Resumo da comparação

Especificações técnicas

45 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

Openness Index

Artificial Analysis Openness Index: Score

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

Tamanho do modelo (somente modelos de pesos abertos)

Model Size: Total and Active Parameters

Total Parameters

Active Parameters at Inference Time

Perguntas frequentes

Quando o Arctic Instruct foi lançado?

Quem criou o Arctic Instruct?

Qual é a inteligência do Arctic Instruct?

O Arctic Instruct é um modelo de raciocínio?

Quais modalidades de entrada o Arctic Instruct aceita?

Quais modalidades de saída o Arctic Instruct aceita?

O Arctic Instruct consegue processar imagens?

O Arctic Instruct é multimodal?

Qual é a janela de contexto do Arctic Instruct?

O Arctic Instruct é de código aberto?

Quantos parâmetros o Arctic Instruct tem?

Quais são os parâmetros ativos do Arctic Instruct?

Qual é a licença do Arctic Instruct?

Qual é o desempenho do Arctic Instruct nos benchmarks?

O Arctic Instruct está disponível por API?

Onde posso usar o Arctic Instruct?