Wafer: inteligência, desempenho e preço dos modelos

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

Wafer

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

Mais inteligente

Kimi K3.1 Pro

DeepSeek V4.1 Flash 1017 (max)

GLM-5.3 (max)

GLM-5.3-Flash

Qwen3.8 27B (xhigh)

Intelligence Index

8 modelos no total

Menor tempo por tarefa

Qwen3.8 27B (non-reasoning)

5.0 min

Qwen3.8 27B (xhigh)

12.8 min

Kimi K3.1 Pro

13.6 min

DeepSeek V4.1 Flash 1017 (max)

14.1 min

GLM-5.3 (max)

18.3 min

Tempo por tarefa do Intelligence Index (minutos)

8 modelos no total

Menor preço

GLM-5.3-Flash

$0.05

DeepSeek V4 Flash 0731 (max) (FAST)

$0.07

DeepSeek V4.1 Flash 1017 (max)

$0.08

DeepSeek V4.1 Flash (max)

$0.11

Qwen3.8 27B (xhigh)

$0.28

Preço combinado (por 1M de tokens)

8 modelos no total

Wafer oferece 8 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 Wafer são Kimi K3.1 Pro (46), DeepSeek V4.1 Flash 1017 (max) (33) e GLM-5.3 (max) (32).
Em tempo por tarefa, Qwen3.8 27B (non-reasoning) (5.0 min), Qwen3.8 27B (xhigh) (12.8 min) e Kimi K3.1 Pro (13.6 min) concluem uma tarefa do Intelligence Index mais rápido em Wafer. O tempo por tarefa varia significativamente entre os modelos: o mais lento leva 3.7x mais tempo que o mais rápido.
Em latência, Qwen3.8 27B (non-reasoning) (3.94s), DeepSeek V4 Flash 0731 (max) (FAST) (44.07s) e GLM-5.3 (max) (44.89s) têm o menor tempo até o primeiro token da resposta final.
Em preço, GLM-5.3-Flash ($0.05), DeepSeek V4 Flash 0731 (max) (FAST) ($0.07) e DeepSeek V4.1 Flash 1017 (max) ($0.08) têm os menores preços combinados por 1M de tokens. Os preços variam em até 5.5x entre os modelos.
Em tamanho da janela de contexto, Kimi K3.1 Pro (1M), DeepSeek V4.1 Flash 1017 (max) (1M) e DeepSeek V4.1 Flash (max) (1M) aceitam as maiores janelas entre os modelos oferecidos por Wafer.

Inteligência

Artificial Analysis Intelligence Index · Higher is better

Tempo por tarefa

Inference time (minutes) per Intelligence Index task · Lower is better

Preço

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

Inteligência

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. 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 v1.1 Accuracy

Knowledge

AA-Omniscience v1.1 Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1

Agentic scientific research workflows in a terminal

FrontierCode-AA 2.0

Agentic software engineering in open-source repositories

HLE-Diamond

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3D

Agentic interactive 3D experiences, Elo

Code2Video-AA

Product and brand videos designed in code, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AA

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness Score

Rich, varied, well-crafted language

AA-PersonalityBench: Organization Score

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency Score

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop Score

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.

Preços

Custo por tarefa do Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

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.

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.

Velocidade

Média das cargas de trabalho medidas de solicitação única e agênticas multiturno

Tempo por tarefa do Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Qualidade

Endpoint Accuracy Index

Precisão de cada endpoint como % do endpoint de referência do seu modelo · A cor mostra se a diferença é estatisticamente significativa

Composite measure of how much of a model's accuracy a given provider endpoint preserves, from re-running BFCL v4-500, HLE-250 and AA-LCR-25 against that endpoint. Where a self-hosted reference endpoint exists, scores are expressed as a percentage of that reference (100 = matches reference); lower scores indicate accuracy lost to quantisation, sampling defaults, or other endpoint-side configuration. Scores are point-in-time snapshots. Methodology.

Latência

Média das cargas de trabalho medidas de solicitação única e agênticas multiturno

Tempo até o primeiro token da resposta final

Segundos até o primeiro token da resposta final após qualquer raciocínio · Média das cargas de trabalho medidas de solicitação única e agênticas multiturno · Quanto menor, melhor

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.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

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

Parcela de solicitações em que o endpoint falhou por erro, limite de taxa ou tempo esgotado · Em todas as cargas de trabalho medidas de solicitação única e agênticas multiturno · Quanto menor, melhor

Share of requests over the past 5 days that the endpoint failed with an error, a rate limit or a timeout. Failures on our side are left out of both counts. Across several workloads, the failures and requests are pooled before dividing.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Cache

Taxa de acertos do cache

Mediana das execuções de sessões agênticas multiturno nas últimas quatro semanas, atualizada em 26 de out. de 2026 · Quanto maior, melhor

The share of cacheable input tokens served from the provider's prompt cache, measured during multi-turn agentic 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 Oct 26, 2026

Most attractive quadrant

Pareto line


								Análises adicionais
Kimi K3.1 Pro	46	$3.50	15.0	105.22	0.7%	1M	Aberto	Modelo Provedor
DeepSeek V4.1 Flash 1017 (max)	33	$0.38	14.0	54.47	3.2%	1M	Aberto	Modelo Provedor
GLM-5.3 (max)	32	$3.13	19.9	48.54	0.0%	1M	Aberto	Modelo Provedor
GLM-5.3-Flash	28	$0.52	27.4	66.87	0.7%	1M	Aberto	Modelo Provedor
Qwen3.8 27B (xhigh)	20	$1.05	14.4	65.26	0.8%	262k	Aberto	Modelo Provedor
Qwen3.8 27B (non-reasoning)	10	$1.18	5.8	4.06	0.0%	262k	Aberto	Modelo Provedor
DeepSeek V4.1 Flash (max)	--	--	--	48.49	2.1%	1M	Aberto	Modelo Provedor
DeepSeek V4 Flash 0731 (max) (FAST)	--	--	--	45.96	0.0%	1M	Aberto	Modelo Provedor

Principais definições

Average cost per task in the index. Costs are split by input, cache hit, cache write, reasoning, and answer token pricing where canonical token counts are available.

Perguntas frequentes

Perguntas comuns sobre Wafer

Wafer oferece 8 modelos que acompanhamos: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), GLM-5.3-Flash, Qwen3.8 27B (xhigh), Qwen3.8 27B (non-reasoning), DeepSeek V4.1 Flash (max) e DeepSeek V4 Flash 0731 (max) (FAST).

O modelo mais inteligente disponível em Wafer é Kimi K3.1 Pro, com 46 pontos no Intelligence Index.

O modelo com o menor tempo por tarefa em Wafer é Qwen3.8 27B (non-reasoning), com 5.0 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 Wafer é Qwen3.8 27B (non-reasoning), com 3.94s. Uma latência menor significa um tempo de resposta inicial mais rápido.

O modelo mais acessível em preço combinado oferecido por Wafer é GLM-5.3-Flash, com $0.051 por 1M de tokens (proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída).

Os preços em Wafer variam em até 30.2x entre os modelos, de $0.051 por 1M de tokens no GLM-5.3-Flash a $1.54 por 1M de tokens no Kimi K3.1 Pro.

Sim. Wafer 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 8 modelos oferecidos por Wafer são compatíveis com o modo JSON para saída estruturada.

Sim. Todos os 8 modelos oferecidos por Wafer são compatíveis com chamadas de funções (uso de ferramentas).

Sim. Wafer oferece 7 modelos de raciocínio: Kimi K3.1 Pro, DeepSeek V4.1 Flash 1017 (max), GLM-5.3 (max), GLM-5.3-Flash, Qwen3.8 27B (xhigh), DeepSeek V4.1 Flash (max) e DeepSeek V4 Flash 0731 (max) (FAST). Os modelos de raciocínio usam um processo de reflexão prolongado para resolver problemas complexos antes de responder.

Sim. Todos os 8 modelos oferecidos por Wafer 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 Wafer, 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.

Wafer: inteligência, desempenho e preço dos modelos

Mais inteligente

Menor tempo por tarefa

Menor preço

Inteligência

Tempo por tarefa

Preço

Inteligência

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Index vs. preço

Price-Quality Variance

Preços

Custo por tarefa do Intelligence Index

Cost per Intelligence Index Task

Intelligence Index vs. preço

Price-Quality Variance

Velocidade

Tempo por tarefa do Intelligence Index

Time per Intelligence Index Task

Time Period

Qualidade

Endpoint Accuracy Index

Endpoint Accuracy Index

Latência

Tempo até o primeiro token da resposta final

Time to First Answer Token

Time Period

Confiabilidade

Taxa de erros do endpoint

Endpoint Error Rate

Time Period

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

What Cache Hit Rate Shows

Principais definições

Index Cost per Task

Perguntas frequentes

Quais modelos Wafer oferece?

Qual é o modelo mais inteligente oferecido por Wafer?

Qual modelo tem o menor tempo por tarefa em Wafer?

Qual modelo tem a menor latência em Wafer?

Qual é o modelo mais barato oferecido por Wafer?

Quanto os preços variam entre os modelos oferecidos por Wafer?

Wafer é compatível com a OpenAI?

Wafer é compatível com o modo JSON?

Wafer é compatível com chamadas de funções?

Wafer oferece modelos de raciocínio?

Wafer oferece modelos de pesos abertos?

O desempenho de Wafer muda ao longo do tempo?

Como escolher um modelo oferecido por Wafer?