Hermes 4 - Llama-3.1 70B (Reasoning) logo
Nous Research
•

Open weights model

•

Released August 2025

Hermes 4 - Llama-3.1 70B (Reasoning) Benchmarking e análise de provedores de API

Comparação de modelos

Análise dos provedores de API do Hermes 4 - Llama-3.1 70B (Reasoning) em métricas de desempenho como latência (tempo até o primeiro token), velocidade de saída (tokens de saída por segundo), preço e outras. Os provedores de API avaliados incluem Nebius (FP8).

Mais rápido

#1
Nebius (FP8)Nebius (FP8)
89.2 t/s

Velocidade de saída

1 provedor no total

Menor latência

#1
Nebius (FP8)Nebius (FP8)
23.81 s

Tempo até o primeiro token da resposta final

1 provedor no total

Menor preço

#1
Nebius (FP8)Nebius (FP8)
$0.16

Preço combinado (por 1M de tokens)

1 provedor no total

Hermes 4 70B está disponível por meio da Nebius (FP8).

Destaques

Velocidade

Output tokens per second · Higher is better

Tempo de resposta de ponta a ponta

Seconds · Lower is better

Preço

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

Atualização: A carga de trabalho padrão do benchmarking de desempenho passou a usar 10k tokens de entrada para representar melhor os casos de uso em produção. Você ainda pode selecionar outras cargas de trabalho acima.

Preços

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input 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.

Pricing: Blended Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

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).

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant

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).

Velocidade

Medida pela velocidade de saída (tokens por segundo)

Output Speed: Hermes 4 - Llama-3.1 70B (Reasoning)

Output speed: output tokens per second · 10,000 input tokens

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).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens
Most attractive quadrant

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).

Latência

Medida pelo tempo (segundos) até o primeiro token

Tempo até o primeiro token da resposta final

Seconds to first token received · Lower is better · 10,000 input tokens

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.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

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

Tempo de resposta de ponta a ponta

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

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

Principais métricas de comparação e recursos da API

Logo: NebiusNebius
128k
Aberto
--
89
1.39
29.41
22.42

Perguntas frequentes

Perguntas comuns sobre os provedores do Hermes 4 - Llama-3.1 70B (Reasoning)

Hermes 4 - Llama-3.1 70B (Reasoning) está disponível em 1 provedor de API: Nebius (FP8). Cada provedor oferece características de desempenho e preços diferentes.

Atualmente, o Hermes 4 - Llama-3.1 70B (Reasoning) está disponível em 1 provedor de API que avaliamos e acompanhamos.

O provedor mais rápido para o Hermes 4 - Llama-3.1 70B (Reasoning) em velocidade de saída é Nebius (FP8) (89.2 t/s). A velocidade de saída mede a rapidez com que os tokens são gerados depois que o modelo começa a responder.

O provedor com o menor tempo até o primeiro token da resposta final para o Hermes 4 - Llama-3.1 70B (Reasoning) é Nebius (FP8) (23.81s). Uma latência menor significa um tempo de resposta inicial mais rápido.

O provedor mais acessível para o Hermes 4 - Llama-3.1 70B (Reasoning) em preço combinado é Nebius (FP8) ($0.16 por 1M de tokens). O preço combinado usa uma proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída.

O provedor com o menor preço de tokens de entrada para o Hermes 4 - Llama-3.1 70B (Reasoning) é Nebius (FP8) ($0.13 por 1M de tokens de entrada).

O provedor com o menor preço de tokens de saída para o Hermes 4 - Llama-3.1 70B (Reasoning) é Nebius (FP8) ($0.40 por 1M de tokens de saída).

O único provedor do Hermes 4 - Llama-3.1 70B (Reasoning) é compatível com o modo JSON para saída estruturada.

O único provedor do Hermes 4 - Llama-3.1 70B (Reasoning) é compatível com chamadas de funções (uso de ferramentas).

Nebius (FP8) lidera em todas as principais métricas do Hermes 4 - Llama-3.1 70B (Reasoning), com a maior velocidade, a menor latência e o preço mais competitivo.

Ao escolher um provedor para o Hermes 4 - Llama-3.1 70B (Reasoning), considere a velocidade de saída (para tarefas que exigem alta vazão), a latência (para aplicações interativas que precisam de respostas iniciais rápidas), o preço (para cargas de trabalho atentas aos custos) e os recursos da API, como modo JSON e chamadas de funções.

Sim. O desempenho dos provedores pode variar ao longo do tempo devido a mudanças na infraestrutura, balanceamento de carga e atualizações. Avaliamos continuamente todos os provedores e exibimos as tendências históricas de desempenho nos gráficos de evolução ao longo do tempo.

Para saber mais sobre a inteligência, as capacidades e as modalidades do Hermes 4 - Llama-3.1 70B (Reasoning), além de como ele se compara a outros modelos, consulte a página de visão geral do modelo. Ver visão geral do modelo