Modular: inteligência, desempenho e preço dos modelos
Esta análise ajuda você a escolher o melhor modelo oferecido por Modular para seu caso de uso.
Mais inteligente
GLM-5.3 (max)
MiniMax-M3.1-Flash
Qwen3.8 27B (xhigh) (NVFP4)MiniMax-M3Qwen3.8 27B (non-reasoning) (NVFP4)Intelligence Index
7 modelos no total
Mais rápido
Gemma 4 31B (NVFP4)Gemma 4 31B (non-reasoning) (NVFP4)MiniMax-M3.1-FlashQwen3.8 27B (non-reasoning) (NVFP4)GLM-5.3 (max)Velocidade de saída
7 modelos no total
Menor preço
Qwen3.8 27B (xhigh) (NVFP4)Qwen3.8 27B (non-reasoning) (NVFP4)MiniMax-M3.1-FlashGemma 4 31B (NVFP4)Gemma 4 31B (non-reasoning) (NVFP4)Preço combinado (por 1M de tokens)
7 modelos no total
Modular 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 Modular são GLM-5.3 (max) (32), MiniMax-M3.1-Flash (29) e Qwen3.8 27B (xhigh) (NVFP4) (20).
- Em velocidade de saída, os modelos mais rápidos são Gemma 4 31B (NVFP4) (261 t/s), Gemma 4 31B (non-reasoning) (NVFP4) (220 t/s) e MiniMax-M3.1-Flash (209 t/s).
- Em latência, Gemma 4 31B (non-reasoning) (NVFP4) (0.36s), Qwen3.8 27B (non-reasoning) (NVFP4) (0.61s) e Gemma 4 31B (NVFP4) (7.10s) têm o menor tempo até o primeiro token da resposta final.
- Em preço, Qwen3.8 27B (xhigh) (NVFP4) ($0.00), Qwen3.8 27B (non-reasoning) (NVFP4) ($0.00) e MiniMax-M3.1-Flash ($0.10) têm os menores preços combinados por 1M de tokens.
- Em tamanho da janela de contexto, GLM-5.3 (max) (1M), MiniMax-M3.1-Flash (1M) e MiniMax-M3 (1M) aceitam as maiores janelas entre os modelos oferecidos por Modular.
Avaliações de 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
Janela de contexto
Janela de contexto
Preços
Intelligence Index vs. preço
Resumo do desempenho
Velocidade de saída vs. preço
Velocidade
Medida pela velocidade de saída (tokens por segundo)
Velocidade de saída
Latência
Medida pelo tempo (segundos) até o primeiro token
Latência: Tempo até o primeiro token da resposta final
Comportamento do cache
Taxa de acertos do cache
Custo por tarefa vs. Taxa de acertos do cache
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
Análises adicionais | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
GLM-5.3 (max) | 1.05M | Aberto | 32 | $5.10 | 187 | 0.63 | 13.96 | 10.67 | |||
MiniMax-M3.1-Flash | 1M | Aberto | 29 | $0.43 | 206 | 0.89 | 13.02 | 9.71 | |||
Qwen3.8 27B (xhigh) (NVFP4) | 262k | Aberto | 20 | $0.00 | 159 | 0.60 | 16.37 | 12.61 | |||
MiniMax-M3 | 1M | Aberto | 19 | $1.15 | 179 | 1.11 | 15.08 | 11.17 | |||
Qwen3.8 27B (non-reasoning) (NVFP4) | 262k | Aberto | 10 | $0.00 | 196 | 0.61 | 3.16 | -- | |||
Gemma 4 31B (NVFP4) | 262k | Aberto | -- | -- | 228 | 0.43 | 10.22 | 7.60 | |||
Gemma 4 31B (non-reasoning) (NVFP4) | 262k | Aberto | -- | -- | 217 | 0.37 | 2.68 | -- | |||
Principais definições
Perguntas frequentes
Perguntas comuns sobre Modular
Modular oferece 7 modelos que acompanhamos: GLM-5.3 (max), MiniMax-M3.1-Flash, Qwen3.8 27B (xhigh) (NVFP4), MiniMax-M3, Qwen3.8 27B (non-reasoning) (NVFP4), Gemma 4 31B (NVFP4) e Gemma 4 31B (non-reasoning) (NVFP4).
O modelo mais inteligente disponível em Modular é GLM-5.3 (max), com 32 pontos no Intelligence Index.
O modelo mais rápido em velocidade de saída oferecido por Modular é Gemma 4 31B (NVFP4), com 261.3 tokens por segundo.
O modelo com o menor tempo até o primeiro token da resposta final em Modular é Gemma 4 31B (non-reasoning) (NVFP4), com 0.36s. Uma latência menor significa um tempo de resposta inicial mais rápido.
O modelo mais acessível em preço combinado oferecido por Modular é Qwen3.8 27B (xhigh) (NVFP4), com $0.00 por 1M de tokens (proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída).
Os preços em Modular vão de $0.00 por 1M de tokens no Qwen3.8 27B (xhigh) (NVFP4) a $0.90 por 1M de tokens no GLM-5.3 (max).
Sim. Modular 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 Modular são compatíveis com o modo JSON para saída estruturada.
Sim. Todos os 7 modelos oferecidos por Modular são compatíveis com chamadas de funções (uso de ferramentas).
Sim. Modular oferece 5 modelos de raciocínio: GLM-5.3 (max), MiniMax-M3.1-Flash, Qwen3.8 27B (xhigh) (NVFP4), MiniMax-M3 e Gemma 4 31B (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 Modular 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 Modular, 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.