Baseten: inteligência, desempenho e preço dos modelos
Esta análise ajuda você a escolher o melhor modelo oferecido por Baseten para seu caso de uso.
Mais inteligente
Intelligence Index
22 modelos no total
Menor tempo por tarefa
Tempo por tarefa do Intelligence Index (minutos)
22 modelos no total
Menor preço
Preço combinado (por 1M de tokens)
22 modelos no total
Baseten oferece 22 modelos, cada um com características diferentes de inteligência, desempenho e preço. Veja abaixo uma comparação das principais métricas entre os modelos.
- Em inteligência, os principais modelos oferecidos por Baseten são Kimi K3.1 Pro (46), DeepSeek V4.1 Flash 1017 (max) (33) e DeepSeek V4.1 Flash 1017 (max) (FAST) (33).
- Em tempo por tarefa, Beam 1.0 (NVFP4) (1.3 min), Nemotron 3.5 Super VL (2.7 min) e DeepSeek V4.1 Flash 1017 (max) (FAST) (2.8 min) concluem uma tarefa do Intelligence Index mais rápido em Baseten. O tempo por tarefa varia significativamente entre os modelos: o mais lento leva 3.5x mais tempo que o mais rápido.
- Em latência, DeepSeek V4.1 Flash (non-reasoning) (FAST) (0.32s), gpt-oss-120b (low) (0.69s) e GLM-5.2 (non-reasoning) (3.51s) têm o menor tempo até o primeiro token da resposta final.
- Em preço, DeepSeek V4 Flash 0731 (max) ($0.07), GLM-5.3-Flash ($0.10) e Nemotron 3.5 Super VL ($0.12) têm os menores preços combinados por 1M de tokens.
- Em tamanho da janela de contexto, Kimi K3.1 Pro (1M), DeepSeek V4.1 Flash 1017 (max) (FAST) (1M) e GLM-5.3 (max) (1M) aceitam as maiores janelas entre os modelos oferecidos por Baseten.
Inteligência
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. preço
Preços
Custo por tarefa do Intelligence Index
Intelligence Index vs. preço
Velocidade
Média das cargas de trabalho medidas de solicitação única e agênticas multiturno
Tempo por tarefa do Intelligence Index
Qualidade
Endpoint Accuracy Index
Latência
Média das cargas de trabalho medidas de solicitação única e agênticas multiturno
Tempo até o primeiro token da resposta final
Confiabilidade
Parcela de solicitações em que o endpoint falhou, em todas as cargas de trabalho medidas de solicitação única e agênticas multiturno
Taxa de erros do endpoint
Cache
Taxa de acertos do cache
Custo por tarefa vs. Taxa de acertos do cache
Análises adicionais | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
Kimi K3.1 Pro | 46 | $3.26 | 7.2 | 33.01 | 0.0% | 1M | Aberto | |||
DeepSeek V4.1 Flash 1017 (max) | 33 | $1.98 | 15.8 | 46.90 | 5.5% | 1M | Aberto | |||
DeepSeek V4.1 Flash 1017 (max) (FAST) | 33 | $2.32 | 2.8 | 9.21 | 0.7% | 1M | Aberto | |||
GLM-5.3 (max) | 32 | $3.45 | 19.0 | 47.38 | 4.9% | 1M | Aberto | |||
GLM-5.3 (max) (FAST) | 32 | $9.52 | 8.9 | 20.30 | 6.1% | 1M | Aberto | |||
GLM-5.3-Flash | 28 | $1.74 | 19.6 | 65.41 | 0.0% | 1M | Aberto | |||
Muse Spark Open (xhigh) | 25 | $2.81 | 4.8 | 7.89 | 4.0% | 1M | Aberto | |||
DeepSeek V4 Pro 0813 (max) | 23 | $4.95 | 15.6 | 45.95 | 5.6% | 1M | Aberto | |||
Beam 1.0 (NVFP4) | 18 | $0.45 | 1.3 | 3.75 | 4.3% | 1M | Aberto | |||
Kimi K3 (low) | 17 | $3.44 | 5.0 | 3.42 | 0.0% | 1M | Aberto | |||
Nemotron 3.5 Super VL | 14 | $0.31 | 2.9 | 6.83 | 4.9% | 1M | Aberto | |||
gpt-oss-120b (high) | 4 | $0.24 | 6.0 | 14.64 | 5.2% | 128k | Aberto | |||
Kimi K2.6 | -- | -- | -- | -- | -- | 262k | Aberto | |||
Kimi K2.6 (non-reasoning) | -- | -- | -- | -- | -- | 262k | Aberto | |||
DeepSeek V4 Pro (high) | -- | -- | -- | -- | -- | 1M | Aberto | |||
DeepSeek V4 Pro (non-reasoning) | -- | -- | -- | -- | -- | 1M | Aberto | |||
DeepSeek V4.1 Flash (non-reasoning) (FAST) | -- | -- | -- | 0.31 | 0.0% | 1M | Aberto | |||
DeepSeek V4 Pro (max) | -- | -- | -- | -- | -- | 1M | Aberto | |||
gpt-oss-120b (low) | -- | -- | -- | 0.64 | 4.0% | 128k | Aberto | |||
DeepSeek V4.1 Flash (max) | -- | -- | -- | 38.02 | 0.0% | 1M | Aberto | |||
DeepSeek V4.1 Flash (max) (FAST) | -- | -- | -- | 10.81 | 0.0% | 1M | Aberto | |||
GLM-5.2 (non-reasoning) (FAST) | -- | -- | -- | 8.10 | 0.0% | 524k | Aberto | |||
GLM-5.2 (non-reasoning) | -- | -- | -- | 3.14 | 0.0% | 1M | Aberto | |||
GLM-5.2 (max) (FAST) | -- | -- | -- | 12.77 | 0.0% | 524k | Aberto | |||
GLM-5.2 (max) | -- | -- | -- | 31.99 | 2.5% | 1M | Aberto | |||
Kimi K3 (max) | -- | -- | -- | 23.53 | 1.9% | 1M | Aberto | |||
DeepSeek V4 Flash 0731 (max) | -- | -- | -- | 11.14 | 2.1% | 1M | Aberto | |||
Principais definições
Perguntas frequentes
Perguntas comuns sobre Baseten
Baseten oferece 22 modelos que acompanhamos: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), DeepSeek V4.1 Flash 1017 (max) (FAST), GLM-5.3 (max), GLM-5.3 (max) (FAST), GLM-5.3-Flash, Muse Spark Open (xhigh), DeepSeek V4 Pro 0813 (max), Beam 1.0 (NVFP4), Kimi K3 (low), Nemotron 3.5 Super VL, gpt-oss-120b (high), DeepSeek V4.1 Flash (non-reasoning) (FAST), gpt-oss-120b (low), DeepSeek V4.1 Flash (max), DeepSeek V4.1 Flash (max) (FAST), GLM-5.2 (non-reasoning) (FAST), GLM-5.2 (non-reasoning), GLM-5.2 (max) (FAST), GLM-5.2 (max), Kimi K3 (max) e DeepSeek V4 Flash 0731 (max).
O modelo mais inteligente disponível em Baseten é Kimi K3.1 Pro, com 46 pontos no Intelligence Index.
O modelo com o menor tempo por tarefa em Baseten é Beam 1.0 (NVFP4), com 1.3 minutos por tarefa do Intelligence Index. O tempo por tarefa é o número de tokens de saída por tarefa dividido pela velocidade de saída de ponta a ponta; um valor menor significa que a tarefa termina mais cedo.
O modelo com o menor tempo até o primeiro token da resposta final em Baseten é DeepSeek V4.1 Flash (non-reasoning) (FAST), com 0.32s. Uma latência menor significa um tempo de resposta inicial mais rápido.
O modelo mais acessível em preço combinado oferecido por Baseten é DeepSeek V4 Flash 0731 (max), com $0.0716 por 1M de tokens (proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída).
Os preços em Baseten variam em até 32.3x entre os modelos, de $0.0716 por 1M de tokens no DeepSeek V4 Flash 0731 (max) a $2.31 por 1M de tokens no Kimi K3 (max).
Sim. Baseten oferece uma API compatível com a OpenAI, facilitando a migração da OpenAI e o uso de integrações existentes com o SDK da OpenAI.
Sim. Todos os 22 modelos oferecidos por Baseten são compatíveis com o modo JSON para saída estruturada.
Sim. Todos os 22 modelos oferecidos por Baseten são compatíveis com chamadas de funções (uso de ferramentas).
Sim. Baseten oferece 19 modelos de raciocínio: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), DeepSeek V4.1 Flash 1017 (max) (FAST), GLM-5.3 (max), GLM-5.3 (max) (FAST), GLM-5.3-Flash, Muse Spark Open (xhigh), DeepSeek V4 Pro 0813 (max), Beam 1.0 (NVFP4), Kimi K3 (low), Nemotron 3.5 Super VL, gpt-oss-120b (high), gpt-oss-120b (low), DeepSeek V4.1 Flash (max), DeepSeek V4.1 Flash (max) (FAST), GLM-5.2 (max) (FAST), GLM-5.2 (max), Kimi K3 (max) e DeepSeek V4 Flash 0731 (max). Os modelos de raciocínio usam um processo de reflexão prolongado para resolver problemas complexos antes de responder.
Sim. Todos os 22 modelos oferecidos por Baseten são de pesos abertos.
Sim. O desempenho de um provedor 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.
Ao escolher um modelo oferecido por Baseten, considere a inteligência (para tarefas que exigem qualidade), o tempo por tarefa (a rapidez com que o modelo conclui uma tarefa do Intelligence Index), a latência (para aplicações interativas que precisam de respostas iniciais rápidas), o preço (para cargas de trabalho atentas aos custos) e recursos como tamanho da janela de contexto, modo JSON e chamadas de funções.