Novita：模型智能、性能与价格
本分析旨在帮助你根据使用场景，选择 Novita 提供的最佳模型。
最智能
Updated
MiMo-V2.6-Pro
GLM-5.3 (max)GLM-5.3-Flash
DeepSeek V4.1 Flash (max)MiMo-V2.6-FlashIntelligence Index
共 80 个模型
速度最快
Nemotron 3 Nano (non-reasoning) (FP4)Nemotron 3 Nano (FP4)
gpt-oss-120b (low)gpt-oss-120b (high)
Qwen3 Next 80B A3B输出速度
共 80 个模型
价格最低
Llama 3.1 8Bgpt-oss-20b (low)gpt-oss-20b (high)MiMo-V2.6-FlashGLM-4.7-Flash每 100 万 token 的混合价格
共 80 个模型
Novita 提供 80 个模型，每个模型的智能、性能和价格特征各不相同。 下方对比了各模型的关键指标。
- 智能方面，Novita 上表现最好的模型是 MiMo-V2.6-Pro（46）、GLM-5.3 (max)（45）和GLM-5.3-Flash（42）。
- 输出速度方面，最快的模型是 Nemotron 3 Nano (non-reasoning) (FP4)（305 t/s）、Nemotron 3 Nano (FP4)（304 t/s）和gpt-oss-120b (low)（189 t/s）。 各模型之间的速度差异显著，最快与最慢相差 72%。
- 延迟方面，Llama 3.1 8B（0.94 秒）、Nemotron 3 Nano (non-reasoning) (FP4)（1.02 秒）和Kimi K2 0905（1.15 秒） 的首个答案 Token 延迟最低。
- 价格方面，Llama 3.1 8B（$0.02）、gpt-oss-20b (low)（$0.05）和gpt-oss-20b (high)（$0.05） 每 100 万 token 的混合价格最低。 各模型价格最多相差 2.7 倍。
- 上下文窗口方面，GLM-5.3-Flash（1M）、DeepSeek V4 Pro 0813 (max)（1M）和GLM-5.2 (max) (FP8)（1M） 支持 Novita 上最大的上下文窗口。
智能评测
Artificial Analysis Intelligence Index
Intelligence Evaluations
Agentic knowledge work, (Elo-500)/2000
Agentic real-world work tasks, (Elo-500)/2000
Agentic SaaS workflows
Agentic coding & terminal use
Coding
Reasoning & knowledge
Professional document reasoning, All-pass
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Legal agentic work, criterion pass rate
Agentic business operations
Agentic scientific research workflows in a terminal
Quantitative analysis on spreadsheets & documents
Kubernetes incident root-cause analysis
Visual reasoning
Medical long context reasoning
Intelligence Index 与价格
上下文窗口
上下文窗口
价格
Intelligence Index 与价格
性能摘要
输出速度与价格
速度
按输出速度（每秒 token 数）衡量
输出速度
延迟
按首 Token 延迟（秒）衡量
延迟: 首个答案 Token 延迟
端到端响应时间
Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed
端到端响应时间与价格
进一步分析 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
MiMo-V2.6-Pro | 1M | 开放 | 46 | $0.13 | 43 | 3.93 | 62.57 | 46.91 | |||
GLM-5.3 (max) | 1M | 开放 | 45 | $2.00 | 75 | 1.95 | 35.24 | 26.63 | |||
GLM-5.3-Flash | 1.05M | 开放 | 42 | $0.29 | 61 | 2.60 | 43.51 | 32.72 | |||
DeepSeek V4.1 Flash (max) | 524k | 开放 | 39 | $0.24 | 133 | 2.16 | 20.92 | 15.01 | |||
MiMo-V2.6-Flash | 1M | 开放 | 38 | $0.06 | 57 | 4.37 | 48.38 | 35.20 | |||
DeepSeek V4 Pro 0813 (max) | 1.05M | 开放 | 36 | $0.70 | 77 | 2.22 | 34.84 | 26.10 | |||
DeepSeek V4 Flash 0731 (max) | 1.05M | 开放 | 34 | $0.26 | 122 | 1.61 | 22.04 | 16.34 | |||
GLM-5.2 (max) (FP8) | 1.05M | 开放 | 34 | $0.88 | 75 | 1.88 | 35.12 | 26.59 | |||
DeepSeek V4 Pro (max) | 1.05M | 开放 | 30 | $1.09 | 80 | 1.88 | 62.79 | 54.66 | |||
DeepSeek V4 Pro (high) | 1.05M | 开放 | 30* | -- | 81 | 1.90 | 32.83 | 24.72 | |||
 MiniMax-M3 | 1M | 开放 | 29 | $0.46 | 108 | 1.25 | 24.44 | 18.55 | |||
GLM-5 FP8 | 203k | 开放 | 28* | -- | 67 | 2.05 | 55.54 | 46.07 | |||
 Kimi K2.6 | 262k | 开放 | 27 | $0.67 | 63 | 2.41 | 80.50 | 70.21 | |||
GLM-5.1 (FP8) | 205k | 开放 | 26 | $1.07 | 48 | 3.50 | 92.54 | 78.66 | |||
MiMo-V2.5-Pro | 1.05M | 开放 | 26 | $0.07 | 30 | 2.32 | 85.83 | 66.81 | |||
Kimi K2.7 Code | 262k | 开放 | 26 | $0.55 | 76 | 3.56 | 39.30 | 29.19 | |||
 Hy3 | 262k | 开放 | 25 | $0.07 | 76 | 3.74 | 36.83 | 26.48 | |||
MiMo-V2.5 | 1.05M | 开放 | 25* | -- | 45 | 26.19 | 82.10 | 44.73 | |||
DeepSeek V4 Flash (high) | 1.05M | 开放 | 24 | $0.15 | 141 | 1.68 | 14.00 | 8.78 | |||
GLM-5.1 (non-reasoning) (FP8) | 205k | 开放 | 24* | -- | 56 | 4.02 | 12.94 | -- | |||
DeepSeek V4 Flash (max) | 1.05M | 开放 | 24 | $0.13 | 132 | 1.58 | 47.85 | 42.49 | |||
Kimi K2.6 (non-reasoning) | 262k | 开放 | 24* | -- | 53 | 2.24 | 11.63 | -- | |||
Kimi K2.5 | 262k | 开放 | 23* | -- | 52 | 2.53 | 69.05 | 56.92 | |||
Qwen3.5 27B | 262k | 开放 | 23* | -- | 54 | 5.82 | 52.10 | 37.03 | |||
MiniMax-M2.5 | 205k | 开放 | 23* | -- | 92 | 1.87 | 29.05 | 21.74 | |||
MiniMax-M2.7 (FP8) | 205k | 开放 | 23 | -- | 53 | 2.23 | 58.00 | 46.36 | |||
GLM-4.7 | 205k | 开放 | 22* | -- | 34 | 5.15 | 78.71 | 58.85 | |||
Kimi K2 Thinking | 262k | 开放 | 22* | -- | 51 | 1.74 | 50.72 | 39.18 | |||
GLM-5 (non-reasoning) (FP8) | 203k | 开放 | 22* | -- | 64 | 1.90 | 9.67 | -- | |||
Qwen3.5 397B A17B (non-reasoning) | 262k | 开放 | 21* | -- | 87 | 1.71 | 7.48 | -- | |||
Qwen3.6 27B | 262k | 开放 | 21 | $0.62 | 56 | 2.95 | 114.15 | 102.20 | |||
MiniMax-M2.1 | 205k | 开放 | 21* | -- | 89 | 2.12 | 30.14 | 22.41 | |||
Qwen3.6 27B (non-reasoning) | 262k | 开放 | 20* | -- | 58 | 2.91 | 11.49 | -- | |||
Kimi K2.5 (non-reasoning) | 262k | 开放 | 19* | -- | 52 | 1.80 | 11.50 | -- | |||
Qwen3.5 35B A3B | 262k | 开放 | 19* | -- | 89 | 1.75 | 29.77 | 22.42 | |||
MiniMax-M2 | 205k | 开放 | 19* | -- | 86 | 2.02 | 31.07 | 23.24 | |||
GLM-4.6 | 205k | 开放 | 19* | -- | 33 | 5.39 | 81.54 | 60.92 | |||
Qwen3.5 397B A17B | 262k | 开放 | 18 | $0.47 | 86 | 1.77 | 44.40 | 36.85 | |||
MiMo-V2.5-Pro (non-reasoning) | 1.05M | 开放 | 18* | -- | 30 | 2.15 | 18.79 | -- | |||
Qwen3.6 35B A3B | 205k | 开放 | 18 | $0.31 | 124 | 1.37 | 49.09 | 43.67 | |||
GLM-4.7 (non-reasoning) | 205k | 开放 | 17* | -- | 32 | 5.52 | 20.96 | -- | |||
 Gemma 4 26B A4B | 262k | 开放 | 17* | -- | 154 | 1.57 | 17.84 | 13.02 | |||
Qwen3 Max | 262k | 专有 | 16* | -- | 62 | 3.18 | 11.25 | -- | |||
Qwen3.5 122B A10B | 262k | 开放 | 16 | $0.32 | 96 | 1.97 | 28.10 | 20.90 | |||
Kimi K2 0905 | 262k | 开放 | 15* | -- | 53 | 1.37 | 10.88 | -- | |||
Qwen3.6 35B A3B (non-reasoning) | 205k | 开放 | 15* | -- | 138 | 1.46 | 5.09 | -- | |||
GLM-4.6 (non-reasoning) | 205k | 开放 | 15* | -- | 33 | 5.01 | 20.17 | -- | |||
GLM-4.7-Flash | 200k | 开放 | 15* | -- | 62 | 3.19 | 43.39 | 32.16 | |||
DeepSeek V3.1 Terminus (FP8) | 131k | 开放 | 15 | -- | 38 | 3.76 | 69.93 | 52.93 | |||
Gemma 4 31B | 262k | 开放 | 15 | $0.10 | 17 | 4.29 | 139.43 | 104.92 | |||
DeepSeek V3.1 Terminus (non-reasoning) (FP8) | 131k | 开放 | 14* | -- | 39 | 3.25 | 16.08 | -- | |||
Gemma 4 31B (non-reasoning) | 262k | 开放 | 14* | -- | 17 | 2.91 | 32.15 | -- | |||
DeepSeek V3.1 (non-reasoning) | 164k | 开放 | 14* | -- | 39 | 3.12 | 15.99 | -- | |||
DeepSeek V3.1 | 131k | 开放 | 13* | -- | 39 | 3.45 | 67.48 | 51.23 | |||
Qwen3 VL 235B A22B | 131k | 开放 | 13* | -- | 50 | 2.62 | 52.35 | 39.78 | |||
Gemma 4 26B A4B (non-reasoning) | 262k | 开放 | 13* | -- | 83 | 1.48 | 7.51 | -- | |||
DeepSeek R1 0528 | 164k | 开放 | 13* | -- | 27 | 1.31 | 95.04 | 74.99 | |||
Kimi K2 | 131k | 开放 | 13* | -- | 53 | 1.54 | 11.05 | -- | |||
Qwen3 235B A22B 2507 | 131k | 开放 | 13 | $0.11 | 65 | 2.32 | 40.53 | 30.57 | |||
Qwen3 235B 2507 | 131k | 开放 | 12* | -- | 56 | 1.61 | 10.59 | -- | |||
Qwen3 Coder 480B | 262k | 开放 | 12* | -- | 54 | 1.97 | 11.24 | -- | |||
MiniMax M1 80k | 1M | 开放 | 12* | -- | 89 | 1.79 | 30.03 | 22.59 | |||
gpt-oss-120b (high) | 131k | 开放 | 12 | $0.04 | 172 | 1.27 | 15.78 | 11.61 | |||
DeepSeek R1 (Jan) Turbo | 64k | 开放 | 11 | $0.11 | 21 | 2.10 | 139.49 | 113.27 | |||
DeepSeek R1 (Jan) | 64k | 开放 | 11 | $0.46 | -- | -- | -- | -- | |||
GLM-4.6V | 131k | 开放 | 11* | -- | 80 | 3.17 | 34.42 | 25.00 | |||
GLM-4.7-Flash (non-reasoning) | 200k | 开放 | 11* | -- | 63 | 8.74 | 16.66 | -- | |||
gpt-oss-120b (low) | 131k | 开放 | 10* | -- | 185 | 1.10 | 14.63 | 10.82 | |||
Llama 4 Maverick (FP8) | 1.05M | 开放 | 10* | -- | 73 | 0.90 | 7.71 | -- | |||
gpt-oss-20b (low) | 131k | 开放 | 10* | -- | 112 | 1.25 | 23.61 | 17.88 | |||
Qwen3 VL 235B A22B | 131k | 开放 | 10* | -- | 50 | 2.01 | 11.93 | -- | |||
Qwen3 Next 80B A3B | 131k | 开放 | 10* | -- | 185 | 1.70 | 4.40 | -- | |||
Qwen3 Coder Next (FP8) | 262k | 开放 | 9 | $0.33 | 165 | 2.82 | 5.85 | -- | |||
gpt-oss-20b (high) | 131k | 开放 | 9 | $0.01 | 123 | 1.30 | 21.59 | 16.23 | |||
Nemotron 3 Nano (FP4) | 262k | 开放 | 9 | $0.02 | 313 | 0.98 | 8.98 | 6.40 | |||
DeepSeek V3 (Dec) | 64k | 开放 | 8 | $0.05 | 54 | 2.63 | 11.94 | -- | |||
GLM-4.6V (non-reasoning) | 131k | 开放 | 8* | -- | 73 | 3.54 | 10.40 | -- | |||
Qwen3 235B (non-reasoning) (FP8) | 41k | 开放 | 8* | -- | 25 | 2.90 | 23.11 | -- | |||
Llama 4 Scout | 131k | 开放 | 8* | -- | 26 | 1.10 | 20.65 | -- | |||
Qwen3 VL 30B A3B | 131k | 开放 | 8* | -- | 110 | 1.56 | 6.13 | -- | |||
Llama 3.3 70B | 131k | 开放 | 8* | -- | 43 | 1.90 | 13.50 | -- | |||
GLM-4.5V | 65.5k | 开放 | 8* | -- | 45 | 2.76 | 58.49 | 44.58 | |||
Llama 3.1 8B | 16.4k | 开放 | 7* | -- | 142 | 0.94 | 4.48 | -- | |||
Nemotron 3 Nano (non-reasoning) (FP4) | 262k | 开放 | 7* | -- | 271 | 1.10 | 2.95 | -- | |||
GLM-4.5V (non-reasoning) | 65.5k | 开放 | 7* | -- | 47 | 2.82 | 13.38 | -- | |||
Llama 3 70B | 8.19k | 开放 | 5* | -- | -- | -- | -- | -- | |||
Gemma 3 27B | 98.3k | 开放 | 5 | $0.24 | 31 | 1.70 | 17.60 | -- | |||
Llama 3 8B | 8.19k | 开放 | 5* | -- | -- | -- | -- | -- | |||
关键定义
常见问题
关于 Novita 的常见问题
Novita 提供我们跟踪的 80 个模型：MiMo-V2.6-Pro、GLM-5.3 (max)、GLM-5.3-Flash、DeepSeek V4.1 Flash (max)、MiMo-V2.6-Flash、DeepSeek V4 Pro 0813 (max)、DeepSeek V4 Flash 0731 (max)、GLM-5.2 (max) (FP8)、DeepSeek V4 Pro (max)、DeepSeek V4 Pro (high)、MiniMax-M3、GLM-5 FP8、Kimi K2.6、GLM-5.1 (FP8)、MiMo-V2.5-Pro、Kimi K2.7 Code、Hy3、MiMo-V2.5、DeepSeek V4 Flash (high)、GLM-5.1 (non-reasoning) (FP8)、DeepSeek V4 Flash (max)、Kimi K2.6 (non-reasoning)、Kimi K2.5、Qwen3.5 27B、MiniMax-M2.5、MiniMax-M2.7 (FP8)、GLM-4.7、Kimi K2 Thinking、GLM-5 (non-reasoning) (FP8)、Qwen3.5 397B A17B (non-reasoning)、Qwen3.6 27B、MiniMax-M2.1、Qwen3.6 27B (non-reasoning)、Kimi K2.5 (non-reasoning)、Qwen3.5 35B A3B、MiniMax-M2、GLM-4.6、Qwen3.5 397B A17B、MiMo-V2.5-Pro (non-reasoning)、Qwen3.6 35B A3B、GLM-4.7 (non-reasoning)、Gemma 4 26B A4B、Qwen3 Max、Qwen3.5 122B A10B、Kimi K2 0905、Qwen3.6 35B A3B (non-reasoning)、GLM-4.6 (non-reasoning)、GLM-4.7-Flash、Gemma 4 31B、Gemma 4 31B (non-reasoning)、Qwen3 VL 235B A22B、Gemma 4 26B A4B (non-reasoning)、DeepSeek R1 0528、Kimi K2、Qwen3 235B A22B 2507、Qwen3 235B 2507、Qwen3 Coder 480B、MiniMax M1 80k、gpt-oss-120b (high)、GLM-4.6V、GLM-4.7-Flash (non-reasoning)、gpt-oss-120b (low)、Llama 4 Maverick (FP8)、gpt-oss-20b (low)、Qwen3 VL 235B A22B、Qwen3 Next 80B A3B、Qwen3 Coder Next (FP8)、gpt-oss-20b (high)、Nemotron 3 Nano (FP4)、DeepSeek V3 (Dec)、GLM-4.6V (non-reasoning)、Qwen3 235B (non-reasoning) (FP8)、Llama 4 Scout、Qwen3 VL 30B A3B、Llama 3.3 70B、GLM-4.5V、Llama 3.1 8B、Nemotron 3 Nano (non-reasoning) (FP4)、GLM-4.5V (non-reasoning)和Gemma 3 27B。
Novita 上最智能的模型是 MiMo-V2.6-Pro，Intelligence Index 得分为 46。
按输出速度计算，Novita 上最快的模型是 Nemotron 3 Nano (non-reasoning) (FP4)，速度为每秒 304.5 个 token。
Novita 上首个答案 Token 延迟最低的模型是 Llama 3.1 8B，延迟为 0.94 秒。延迟越低，初始响应越快。
按混合价格计算，Novita 上最实惠的模型是 Llama 3.1 8B，每 100 万 token 的价格为 $0.02（缓存命中/输入/输出比例为 7:2:1）。
Novita 上各模型价格最多相差 119 倍，从最实惠的 Llama 3.1 8B（每 100 万 token $0.02）到最昂贵的 Qwen3 Max（每 100 万 token $2.74）。
是，Novita 提供兼容 OpenAI 的 API，可以轻松从 OpenAI 切换，或继续使用现有的 OpenAI SDK 集成。
Novita 上 80 个模型中，有 78 个支持用于结构化输出的 JSON 模式。
Novita 上 80 个模型中，有 72 个支持函数调用（工具使用）。
是，Novita 提供 48 个推理模型：MiMo-V2.6-Pro、GLM-5.3 (max)、GLM-5.3-Flash、DeepSeek V4.1 Flash (max)、MiMo-V2.6-Flash、DeepSeek V4 Pro 0813 (max)、DeepSeek V4 Flash 0731 (max)、GLM-5.2 (max) (FP8)、DeepSeek V4 Pro (max)、DeepSeek V4 Pro (high)、MiniMax-M3、GLM-5 FP8、Kimi K2.6、GLM-5.1 (FP8)、MiMo-V2.5-Pro、Kimi K2.7 Code、Hy3、MiMo-V2.5、DeepSeek V4 Flash (high)、DeepSeek V4 Flash (max)、Kimi K2.5、Qwen3.5 27B、MiniMax-M2.5、MiniMax-M2.7 (FP8)、GLM-4.7、Kimi K2 Thinking、Qwen3.6 27B、MiniMax-M2.1、Qwen3.5 35B A3B、MiniMax-M2、GLM-4.6、Qwen3.5 397B A17B、Qwen3.6 35B A3B、Gemma 4 26B A4B、Qwen3.5 122B A10B、GLM-4.7-Flash、Gemma 4 31B、Qwen3 VL 235B A22B、DeepSeek R1 0528、Qwen3 235B A22B 2507、MiniMax M1 80k、gpt-oss-120b (high)、GLM-4.6V、gpt-oss-120b (low)、gpt-oss-20b (low)、gpt-oss-20b (high)、Nemotron 3 Nano (FP4)和GLM-4.5V。推理模型会先进行扩展思考来解决复杂问题，再给出答案。
是，Novita 上 80 个模型中有 79 个是开放权重模型：MiMo-V2.6-Pro、GLM-5.3 (max)、GLM-5.3-Flash、DeepSeek V4.1 Flash (max)、MiMo-V2.6-Flash、DeepSeek V4 Pro 0813 (max)、DeepSeek V4 Flash 0731 (max)、GLM-5.2 (max) (FP8)、DeepSeek V4 Pro (max)、DeepSeek V4 Pro (high)、MiniMax-M3、GLM-5 FP8、Kimi K2.6、GLM-5.1 (FP8)、MiMo-V2.5-Pro、Kimi K2.7 Code、Hy3、MiMo-V2.5、DeepSeek V4 Flash (high)、GLM-5.1 (non-reasoning) (FP8)、DeepSeek V4 Flash (max)、Kimi K2.6 (non-reasoning)、Kimi K2.5、Qwen3.5 27B、MiniMax-M2.5、MiniMax-M2.7 (FP8)、GLM-4.7、Kimi K2 Thinking、GLM-5 (non-reasoning) (FP8)、Qwen3.5 397B A17B (non-reasoning)、Qwen3.6 27B、MiniMax-M2.1、Qwen3.6 27B (non-reasoning)、Kimi K2.5 (non-reasoning)、Qwen3.5 35B A3B、MiniMax-M2、GLM-4.6、Qwen3.5 397B A17B、MiMo-V2.5-Pro (non-reasoning)、Qwen3.6 35B A3B、GLM-4.7 (non-reasoning)、Gemma 4 26B A4B、Qwen3.5 122B A10B、Kimi K2 0905、Qwen3.6 35B A3B (non-reasoning)、GLM-4.6 (non-reasoning)、GLM-4.7-Flash、Gemma 4 31B、Gemma 4 31B (non-reasoning)、Qwen3 VL 235B A22B、Gemma 4 26B A4B (non-reasoning)、DeepSeek R1 0528、Kimi K2、Qwen3 235B A22B 2507、Qwen3 235B 2507、Qwen3 Coder 480B、MiniMax M1 80k、gpt-oss-120b (high)、GLM-4.6V、GLM-4.7-Flash (non-reasoning)、gpt-oss-120b (low)、Llama 4 Maverick (FP8)、gpt-oss-20b (low)、Qwen3 VL 235B A22B、Qwen3 Next 80B A3B、Qwen3 Coder Next (FP8)、gpt-oss-20b (high)、Nemotron 3 Nano (FP4)、DeepSeek V3 (Dec)、GLM-4.6V (non-reasoning)、Qwen3 235B (non-reasoning) (FP8)、Llama 4 Scout、Qwen3 VL 30B A3B、Llama 3.3 70B、GLM-4.5V、Llama 3.1 8B、Nemotron 3 Nano (non-reasoning) (FP4)、GLM-4.5V (non-reasoning)和Gemma 3 27B。
会。服务商性能可能因基础设施变化、负载均衡和更新而随时间波动。我们持续对所有服务商进行基准测试，并在“随时间变化”图表中展示历史性能趋势。
选择 Novita 上的模型时，请考虑：智能（适合质量敏感型任务）、输出速度（适合吞吐量密集型任务）、延迟（适合需要快速首次响应的交互式应用）、价格（适合成本敏感型工作负载），以及上下文窗口大小、JSON 模式或函数调用支持等功能。