DeepInfra: inteligência, desempenho e preço dos modelos

DeepInfra oferece 108 modelos que acompanhamos: GLM-5.3 (max), GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4 Pro 0813 (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max) (FP4), Qwen3.8 27B (xhigh), Kimi K2.6 (FP4), DeepSeek V4 Pro (max) (FP4), DeepSeek V4 Pro (high) (FP4), MiniMax-M3, GLM-5 (FP4), GLM-5.1 (FP4), MiMo-V2.5-Pro, Kimi K2.7 Code, Inkling Small, Hy3 (FP8), Inkling (FP8), DeepSeek V4 Flash (high) (FP4), DeepSeek V4 Flash (max) (FP4), GLM-5.1 (Non-reasoning) (FP4), Kimi K2.6 (Non-reasoning) (FP4), Kimi K2.5, Nemotron 3 Ultra, Nemotron 3 Ultra BF16, Qwen3.5 27B (FP8), MiniMax-M2.5 (FP8), MiMo-V2.5, GLM-4.7 (FP4), Qwen3.6 27B FP8, GLM-5 (Non-reasoning) (FP8), DeepSeek V3.2 (FP4), Qwen3.5 397B A17B (Non-reasoning) (FP8), Ling 3.0 Flash, Qwen3.6 27B (Non-reasoning) FP8, Step 3.7 Flash, Qwen3.5 27B (Non-reasoning) FP8, Qwen3.5 35B A3B (FP8), Qwen3.5 397B A17B (FP8), Qwen3.6 35B A3B (FP8), GLM-4.6 (FP4), MiMo-V2.5-Pro (Non-reasoning), Muse Glimmer (high), Qwen3.5 122B A10B (Non-reasoning) (FP4), GLM-4.7 (Non-reasoning) (FP4), Gemma 4 26B A4B (FP8), Qwen3.5 122B A10B (FP4), DeepSeek V3.2 (Non-reasoning), Gemma 4 31B, Qwen3.6 35B A3B (Non-reasoning) (FP8), Qwen3.5 35B A3B (Non-reasoning) FP8, GLM-4.7-Flash, Granite 4.2 30B, DeepSeek V3.1 Terminus (Non-reasoning) (FP4), Gemma 4 31B (Non-reasoning) (FP8), DeepSeek V3.1 (Non-reasoning) (FP4), Nemotron 3 Super, Gemma 4 26B A4B (Non-reasoning) (FP8), Qwen3.5 4B (FP8), DeepSeek R1 0528, Qwen3 235B A22B 2507 (FP8), gpt-oss-120b (high) (Turbo), gpt-oss-120b (high), Qwen3 235B 2507 (Non-reasoning) (FP8), Qwen3 Coder 480B (Turbo, FP4), Granite 4.2 8B, Qwen3.5 4B (Non-reasoning) FP8, gpt-oss-120b (low), DeepSeek V3 0324 (FP4), Qwen3 Next 80B A3B, Llama 4 Maverick (FP8), Granite 4.2 3B, gpt-oss-20b (high), Llama Nemotron Super 49B v1.5, Gemma 4 E4B, Nemotron 3 Nano, DeepSeek V3 (Dec), DeepSeek R1 Distill Llama 70B, Qwen2.5 72B, Llama 3.3 70B (Turbo, FP8), Qwen3 30B (FP8), NVIDIA Nemotron Nano 12B v2 VL (FP8), Gemma 4 E4B (Non-reasoning), NVIDIA Nemotron Nano 9B V2, Mistral Small 3.1, Llama Nemotron Super 49B v1.5 (Non-reasoning), Qwen3 32B (Non-reasoning) (FP8), Qwen3 32B (FP8), Mistral Small 3.2 (FP8), Llama 3.1 Nemotron 70B, Llama 3.1 8B (Turbo, FP8), Llama 3.1 8B, Nemotron 3 Nano (Non-reasoning), NVIDIA Nemotron Nano 9B V2 (Non-reasoning), Qwen3 14B (Non-reasoning) (FP8), Mistral Small 3, Qwen3 30B (Non-reasoning) (FP8), Llama 3.1 70B, Llama 3.1 70B (Turbo, FP8), Llama 4 Scout, Qwen3 14B (FP8), Hermes 3 - Llama-3.1 70B, Phi-4, NVIDIA Nemotron Nano 12B v2 VL (Non-reasoning) (FP8), Llama 3.2 11B (Vision), Gemma 3 27B, Gemma 3 4B e Gemma 3 12B.

O modelo mais inteligente disponível em DeepInfra é GLM-5.3 (max), com 45 pontos no Intelligence Index.

O modelo mais rápido em velocidade de saída oferecido por DeepInfra é Inkling Small, com 243.7 tokens por segundo.

O modelo com o menor tempo até o primeiro token da resposta final em DeepInfra é Llama 4 Maverick (FP8), com 0.50s. Uma latência menor significa um tempo de resposta inicial mais rápido.

O modelo mais acessível em preço combinado oferecido por DeepInfra é Llama 3.1 8B (Turbo, FP8), com $0.02 por 1M de tokens (proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída).

Os preços em DeepInfra variam em até 55x entre os modelos, de $0.02 por 1M de tokens no Llama 3.1 8B (Turbo, FP8) a $1.20 por 1M de tokens no Llama 3.1 Nemotron 70B.

Sim. DeepInfra oferece uma API compatível com a OpenAI, facilitando a migração da OpenAI e o uso de integrações existentes com o SDK da OpenAI.

105 de 108 modelos oferecidos por DeepInfra são compatíveis com o modo JSON para saída estruturada.

105 de 108 modelos oferecidos por DeepInfra são compatíveis com chamadas de funções (uso de ferramentas).

Sim. DeepInfra oferece 60 modelos de raciocínio: GLM-5.3 (max), GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4 Pro 0813 (max), DeepSeek V4 Flash 0731 (max), GLM-5.2 (max) (FP4), Qwen3.8 27B (xhigh), Kimi K2.6 (FP4), DeepSeek V4 Pro (max) (FP4), DeepSeek V4 Pro (high) (FP4), MiniMax-M3, GLM-5 (FP4), GLM-5.1 (FP4), MiMo-V2.5-Pro, Kimi K2.7 Code, Inkling Small, Hy3 (FP8), Inkling (FP8), DeepSeek V4 Flash (high) (FP4), DeepSeek V4 Flash (max) (FP4), Kimi K2.5, Nemotron 3 Ultra, Nemotron 3 Ultra BF16, Qwen3.5 27B (FP8), MiniMax-M2.5 (FP8), MiMo-V2.5, GLM-4.7 (FP4), Qwen3.6 27B FP8, DeepSeek V3.2 (FP4), Ling 3.0 Flash, Step 3.7 Flash, Qwen3.5 35B A3B (FP8), Qwen3.5 397B A17B (FP8), Qwen3.6 35B A3B (FP8), GLM-4.6 (FP4), Muse Glimmer (high), Gemma 4 26B A4B (FP8), Qwen3.5 122B A10B (FP4), Gemma 4 31B, GLM-4.7-Flash, Granite 4.2 30B, Nemotron 3 Super, Qwen3.5 4B (FP8), DeepSeek R1 0528, Qwen3 235B A22B 2507 (FP8), gpt-oss-120b (high) (Turbo), gpt-oss-120b (high), Granite 4.2 8B, gpt-oss-120b (low), Granite 4.2 3B, gpt-oss-20b (high), Llama Nemotron Super 49B v1.5, Gemma 4 E4B, Nemotron 3 Nano, DeepSeek R1 Distill Llama 70B, Qwen3 30B (FP8), NVIDIA Nemotron Nano 12B v2 VL (FP8), NVIDIA Nemotron Nano 9B V2, Qwen3 32B (FP8) e Qwen3 14B (FP8). Os modelos de raciocínio usam um processo de reflexão prolongado para resolver problemas complexos antes de responder.

Sim. Todos os 108 modelos oferecidos por DeepInfra 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 DeepInfra, considere a inteligência (para tarefas que exigem qualidade), 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 recursos como tamanho da janela de contexto, modo JSON e chamadas de funções.