•

Open weights model

•

Released maio de 2026

Análise de inteligência, desempenho e preço do HyperNova 60B 2605 (high, based on gpt-oss-120b)

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

Experimente Benchmarks de provedores de API

Custo

Entrada US$ 0,04Saída US$ 0,14

N/D

Custo por tarefa do Intelligence Index

Verbosidade

N/D

Tokens de saída do Intelligence Index

HyperNova 60B 2605 (high, based on gpt-oss-120b) está entre os modelos líderes em inteligência e tem preço razoável em comparação com outros modelos de pesos abertos de tamanho semelhante. O modelo aceita entrada em texto, gera saída em texto e tem uma janela de contexto de 131k tokens.

HyperNova 60B 2605 (high, based on gpt-oss-120b) alcança 12 pontos no Artificial Analysis Intelligence Index, ficando bem acima da média entre os modelos comparáveis (mediana: 8).

O preço do HyperNova 60B 2605 (high, based on gpt-oss-120b) é de $0.04 por 1M de tokens de entrada (preço moderado, mediana: $0.14) e $0.14 por 1M de tokens de saída (preço moderado, mediana: $0.40).

Com 349 tokens por segundo, HyperNova 60B 2605 (high, based on gpt-oss-120b) é especialmente rápido (134).

Raciocínio	Sim Esta página mostra a versão com raciocínio deste modelo. Também pode existir uma variante sem raciocínio.
Modalidade de entrada	Compatível com: texto
Modalidade de saída	Compatível com: texto
Janela de contexto	131k ~197 páginas A4 em fonte Arial tamanho 12
Parâmetros totais	58.7B
Parâmetros ativos	4.8B 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 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.

Índices de capacidadeUpdated

Mede o desempenho dos modelos em capacidades e setores específicos

Artificial Analysis Economics Index

Incorporates 5 evaluations: AA-Omniscience, Humanity's Last Exam, GDPval-AA v2, AA-Briefcase, AA-LCR v1.1 · Higher is better

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-Briefcase

AA-Briefcase Elo

AA-Briefcase is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

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.

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).

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).

Tamanho do modelo (somente modelos de pesos abertos)

Model Size: Total and Active Parameters

Comparison between total model parameters and parameters active during inference

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 HyperNova 60B 2605 (high, based on gpt-oss-120b)

O HyperNova 60B 2605 (high, based on gpt-oss-120b) foi lançado em 26 de maio de 2026.

Multiverse Computing criou o HyperNova 60B 2605 (high, based on gpt-oss-120b).

HyperNova 60B 2605 (high, based on gpt-oss-120b) alcança 12 pontos (estimativa) no Artificial Analysis Intelligence Index, ficando bem acima da média entre outros modelos de pesos abertos de tamanho semelhante (mediana: 8).

HyperNova 60B 2605 (high, based on gpt-oss-120b) gera a saída a 349.1 tokens por segundo (com base na mediana dos provedores que oferecem o modelo), um resultado bem acima da média em comparação com outros modelos de pesos abertos de tamanho semelhante (mediana: 133.6 t/s).

HyperNova 60B 2605 (high, based on gpt-oss-120b) tem um tempo até o primeiro token (TTFT) de 0.60s (com base na mediana dos provedores que oferecem o modelo), um resultado muito competitivo em comparação com outros modelos de pesos abertos de tamanho semelhante (mediana: 2.30s).

HyperNova 60B 2605 (high, based on gpt-oss-120b) custa $0.04 por 1M de tokens de entrada (muito competitivo, mediana: $0.38) e $0.14 por 1M de tokens de saída (muito competitivo, mediana: $0.71), com base na mediana dos provedores que oferecem o modelo.

HyperNova 60B 2605 (high, based on gpt-oss-120b) custa $0.04 por 1M de tokens de entrada e $0.14 por 1M de tokens de saída (com base na mediana dos provedores que oferecem o modelo). Considerando uma tarifa combinada (proporção de 7:2:1 entre acerto do cache, entrada e saída), o preço é de $0.05 por 1M de tokens. O preço pode variar conforme o provedor. Comparar preços dos provedores

Sim, o HyperNova 60B 2605 (high, based on gpt-oss-120b) é um modelo de raciocínio. Ele usa reflexão prolongada ou raciocínio em cadeia para resolver problemas complexos antes de fornecer uma resposta.

HyperNova 60B 2605 (high, based on gpt-oss-120b) aceita entrada em texto.

HyperNova 60B 2605 (high, based on gpt-oss-120b) permite saída em texto.

Não, o HyperNova 60B 2605 (high, based on gpt-oss-120b) não aceita imagens como entrada. Ele só consegue processar texto.

Não, o HyperNova 60B 2605 (high, based on gpt-oss-120b) não é multimodal. Ele aceita apenas entrada em texto.

HyperNova 60B 2605 (high, based on gpt-oss-120b) tem uma janela de contexto de 130k tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.

Sim, o HyperNova 60B 2605 (high, based on gpt-oss-120b) é um modelo de pesos abertos. Os pesos estão disponíveis publicamente e podem ser baixados para auto-hospedagem.

HyperNova 60B 2605 (high, based on gpt-oss-120b) tem 58,7 bilhões parâmetros (4,8 bilhões ativos).

HyperNova 60B 2605 (high, based on gpt-oss-120b) é um modelo de mistura de especialistas (MoE) com 58,7 bilhões parâmetros no total, mas apenas 4,8 bilhões parâmetros ativos são usados durante a inferência.

HyperNova 60B 2605 (high, based on gpt-oss-120b) foi lançado sob a licença Apache 2.0. Essa licença permite o uso comercial. Ver licença

HyperNova 60B 2605 (high, based on gpt-oss-120b) alcança 12 pontos no Artificial Analysis Intelligence Index. Esse benchmark composto avalia os modelos em raciocínio, conhecimento, matemática e programação.

Sim, o HyperNova 60B 2605 (high, based on gpt-oss-120b) está disponível por API em 1 provedor. Comparar provedores de API

HyperNova 60B 2605 (high, based on gpt-oss-120b) está disponível em 1 provedor de API. Comparar provedores

Análise de inteligência, desempenho e preço do HyperNova 60B 2605 (high, based on gpt-oss-120b)

Resumo do modelo

InteligênciaUpdated

Verbosidade

Resumo da comparação

Especificações técnicas

64 modelos nesta classe

InteligênciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

Índices de capacidadeUpdated

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase

AA-Briefcase Elo

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience 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

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

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 HyperNova 60B 2605 (high, based on gpt-oss-120b) foi lançado?

Quem criou o HyperNova 60B 2605 (high, based on gpt-oss-120b)?

Qual é a inteligência do HyperNova 60B 2605 (high, based on gpt-oss-120b)?

Qual é a velocidade do HyperNova 60B 2605 (high, based on gpt-oss-120b)?

Qual é a latência do HyperNova 60B 2605 (high, based on gpt-oss-120b)?

Quanto custa o HyperNova 60B 2605 (high, based on gpt-oss-120b)?

Qual é o preço da API do HyperNova 60B 2605 (high, based on gpt-oss-120b)?

O HyperNova 60B 2605 (high, based on gpt-oss-120b) é um modelo de raciocínio?

Quais modalidades de entrada o HyperNova 60B 2605 (high, based on gpt-oss-120b) aceita?

Quais modalidades de saída o HyperNova 60B 2605 (high, based on gpt-oss-120b) aceita?

O HyperNova 60B 2605 (high, based on gpt-oss-120b) consegue processar imagens?

O HyperNova 60B 2605 (high, based on gpt-oss-120b) é multimodal?

Qual é a janela de contexto do HyperNova 60B 2605 (high, based on gpt-oss-120b)?

O HyperNova 60B 2605 (high, based on gpt-oss-120b) é de código aberto?

Quantos parâmetros o HyperNova 60B 2605 (high, based on gpt-oss-120b) tem?

Quais são os parâmetros ativos do HyperNova 60B 2605 (high, based on gpt-oss-120b)?

Qual é a licença do HyperNova 60B 2605 (high, based on gpt-oss-120b)?

Qual é o desempenho do HyperNova 60B 2605 (high, based on gpt-oss-120b) nos benchmarks?

O HyperNova 60B 2605 (high, based on gpt-oss-120b) está disponível por API?

Onde posso usar o HyperNova 60B 2605 (high, based on gpt-oss-120b)?