Modal: inteligência, desempenho e preço dos modelos

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

Modal

Esta análise ajuda você a escolher o melhor modelo oferecido por Modal para seu caso de uso.

Mais inteligente

GLM-5.3 (max)

Kimi K3 (max)

GLM-5.3-Flash

Qwen3.8 2.4T A95B

DeepSeek V4.1 Flash (max)

Intelligence Index

7 modelos no total

Mais rápido

Qwen3.8 2.4T A95B

203 t/s

Inkling (xhigh) (NVFP4)

199 t/s

Kimi K3 (max)

166 t/s

DeepSeek V4.1 Flash (non-reasoning)

131 t/s

DeepSeek V4.1 Flash (max)

125 t/s

Velocidade de saída

7 modelos no total

Menor preço

DeepSeek V4.1 Flash (max)

$0.20

DeepSeek V4.1 Flash (non-reasoning)

$0.20

GLM-5.3-Flash

$0.30

GLM-5.3 (max)

$0.90

Inkling (xhigh) (NVFP4)

$0.93

Preço combinado (por 1M de tokens)

7 modelos no total

Modal oferece 7 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 Modal são GLM-5.3 (max) (45), Kimi K3 (max) (44) e GLM-5.3-Flash (42).
Em velocidade de saída, os modelos mais rápidos são Qwen3.8 2.4T A95B (203 t/s), Inkling (xhigh) (NVFP4) (199 t/s) e Kimi K3 (max) (166 t/s). A velocidade varia significativamente entre os modelos, com uma diferença de 63% entre o mais rápido e o mais lento.
Em latência, DeepSeek V4.1 Flash (non-reasoning) (0.69s), Qwen3.8 2.4T A95B (10.60s) e Inkling (xhigh) (NVFP4) (11.02s) têm o menor tempo até o primeiro token da resposta final.
Em preço, DeepSeek V4.1 Flash (max) ($0.20), DeepSeek V4.1 Flash (non-reasoning) ($0.20) e GLM-5.3-Flash ($0.30) têm os menores preços combinados por 1M de tokens. Os preços variam em até 4.6x entre os modelos.
Em tamanho da janela de contexto, Kimi K3 (max) (1M), Inkling (xhigh) (NVFP4) (1M) e GLM-5.3 (max) (1M) aceitam as maiores janelas entre os modelos oferecidos por Modal.

Inteligência

Artificial Analysis Intelligence Index · Higher is better

Velocidade

Output tokens per second · Higher is better

Preço

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

Avaliações de inteligência

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

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.

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

Ver mais

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

GDPval-AA v2.1

Agentic real-world work tasks, Elo

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

AA-LCR v1.1

Long context reasoning

SciCodeUnder review

Coding

CritPt

Physics reasoning

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 1.1New

Agentic software engineering in open-source repositories

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

AA-3DNew

Agentic interactive 3D experiences, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

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

Intelligence Index vs. preço

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

Most attractive quadrant

Pareto line

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

Janela de contexto

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).

Preços

Intelligence Index vs. preço

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

Most attractive quadrant

Pareto line

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

Resumo do desempenho

Velocidade de saída vs. preço

Output speed: output tokens per second · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

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).

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).

Velocidade

Medida pela velocidade de saída (tokens por segundo)

Velocidade de saída

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 or the median across providers where a first-party API is not available.

Latência

Medida pelo tempo (segundos) até o primeiro token

Latência: Tempo até o primeiro token da resposta final

Segundos até receber o primeiro token de resposta · Inclui o tempo de “pensamento” dos modelos de raciocínio

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.

Comportamento do cache

Taxa de acertos do cache

Proporção de tokens de entrada elegíveis para cache atendidos pelo cache · Mediana das últimas quatro semanas, atualizada em 26 de set. de 2026

The share of cacheable input tokens served from the provider's prompt cache, measured during multi-turn agentic coding sessions. We regularly measure each endpoint and report a representative rate based on recent measurements. Higher values mean more of the input is billed at the cheaper cache-hit price, where the provider offers one, which lowers the effective cost of agentic workloads. For further details, see our methodology page.

Custo por tarefa vs. Taxa de acertos do cache

Weighted average cost (USD) per Intelligence Index task · Cache hit rate: median of the last four weeks, updated Sep 26, 2026

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.

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 vs. preço

End-to-end response time: end-to-end seconds to output 500 tokens · USD per 1M tokens (blended)

Most attractive quadrant

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).


									Análises adicionais
GLM-5.3 (max)	1M	Aberto	45	$1.97	124	0.90	21.12	16.17	Modelo Provedor
Kimi K3 (max)	1.05M	Aberto	44	$3.48	127	1.07	20.69	15.69	Modelo Provedor
GLM-5.3-Flash	1M	Aberto	42	$0.88	92	0.85	27.90	21.64	Modelo Provedor
Qwen3.8 2.4T A95B	1M	Aberto	40	$1.96	247	0.78	10.90	8.10	Modelo Provedor
DeepSeek V4.1 Flash (max)	1M	Aberto	39	$0.52	146	0.72	17.87	13.72	Modelo Provedor
Inkling (xhigh) (NVFP4)	1.05M	Aberto	25	$0.86	187	1.33	14.67	10.67	Modelo Provedor
DeepSeek V4.1 Flash (non-reasoning)	1M	Aberto	25	$0.33	153	0.76	4.03	--	Modelo Provedor

Principais definições

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Perguntas frequentes

Perguntas comuns sobre Modal

Modal oferece 7 modelos que acompanhamos: GLM-5.3 (max), Kimi K3 (max), GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4.1 Flash (max), Inkling (xhigh) (NVFP4) e DeepSeek V4.1 Flash (non-reasoning).

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

O modelo mais rápido em velocidade de saída oferecido por Modal é Qwen3.8 2.4T A95B, com 202.8 tokens por segundo.

O modelo com o menor tempo até o primeiro token da resposta final em Modal é DeepSeek V4.1 Flash (non-reasoning), com 0.69s. Uma latência menor significa um tempo de resposta inicial mais rápido.

O modelo mais acessível em preço combinado oferecido por Modal é DeepSeek V4.1 Flash (max), com $0.20 por 1M de tokens (proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída).

Os preços em Modal variam em até 11x entre os modelos, de $0.20 por 1M de tokens no DeepSeek V4.1 Flash (max) a $2.31 por 1M de tokens no Kimi K3 (max).

Sim. Modal 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 7 modelos oferecidos por Modal são compatíveis com o modo JSON para saída estruturada.

Sim. Todos os 7 modelos oferecidos por Modal são compatíveis com chamadas de funções (uso de ferramentas).

Sim. Modal oferece 6 modelos de raciocínio: GLM-5.3 (max), Kimi K3 (max), GLM-5.3-Flash, Qwen3.8 2.4T A95B, DeepSeek V4.1 Flash (max) e Inkling (xhigh) (NVFP4). Os modelos de raciocínio usam um processo de reflexão prolongado para resolver problemas complexos antes de responder.

Sim. Todos os 7 modelos oferecidos por Modal 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 Modal, 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.

Modal: inteligência, desempenho e preço dos modelos

Mais inteligente

Mais rápido

Menor preço

Inteligência

Velocidade

Preço

Avaliações de inteligência

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Index vs. preço

Price-Quality Variance

Janela de contexto

Janela de contexto

Context Window for RAG

Context Window

Preços

Intelligence Index vs. preço

Price-Quality Variance

Resumo do desempenho

Velocidade de saída vs. preço

Output Speed

Price

Velocidade

Velocidade de saída

Output Speed

Model Performance Representation

Latência

Latência: Tempo até o primeiro token da resposta final

Time to First Answer Token

Comportamento do cache

Taxa de acertos do cache

What Cache Hit Rate Shows

Custo por tarefa vs. Taxa de acertos do cache

Cost per Intelligence Index Task

Tempo de resposta de ponta a ponta

Tempo de resposta de ponta a ponta vs. preço

Price

Principais definições

Context Window

Perguntas frequentes

Quais modelos Modal oferece?

Qual é o modelo mais inteligente oferecido por Modal?

Qual é o modelo mais rápido oferecido por Modal?

Qual modelo tem a menor latência em Modal?

Qual é o modelo mais barato oferecido por Modal?

Quanto os preços variam entre os modelos oferecidos por Modal?

Modal é compatível com a OpenAI?

Modal é compatível com o modo JSON?

Modal é compatível com chamadas de funções?

Modal oferece modelos de raciocínio?

Modal oferece modelos de pesos abertos?

O desempenho de Modal muda ao longo do tempo?

Como escolher um modelo oferecido por Modal?