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
DeepSeek V4.1 Flash 1017 (max)
GLM-5.3 (max)
MiniMax-M3.1-FlashGLM-5.3-FlashDeepSeek V4 Pro 0813 (max)Intelligence Index
共 61 个模型
每任务耗时最短
gpt-oss-120b (high)MiniMax-M3DeepSeek V4.1 Flash 1017 (max)MiniMax-M3.1-FlashGLM-5.3 (max)每个 Intelligence Index 任务耗时（分钟）
共 61 个模型
价格最低
Llama 3.1 8BGLM-4.7-FlashGLM-4.7-Flash (non-reasoning)
Nemotron 3 Nano (non-reasoning) (FP4)Nemotron 3 Nano (FP4)每 100 万 token 的混合价格
共 61 个模型
Novita 提供 61 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 DeepSeek V4.1 Flash 1017 (max)（33）、GLM-5.3 (max)（32）和MiniMax-M3.1-Flash（29）。
- 每任务耗时方面，gpt-oss-120b (high)（7.6 分钟）、MiniMax-M3（14.4 分钟）和DeepSeek V4.1 Flash 1017 (max)（17.7 分钟） 在 Novita 上完成一个 Intelligence Index 任务最快。 各模型之间的每任务耗时差异显著，最慢的模型耗时是最快模型的 2.5 倍。
- 延迟方面，Llama 3.1 8B（0.66 秒）、Gemma 3 27B（1.01 秒）和DeepSeek V3 (Dec)（1.57 秒） 的首个答案 Token 延迟最低。
- 价格方面，Llama 3.1 8B（$0.02）、GLM-4.7-Flash（$0.06）和GLM-4.7-Flash (non-reasoning)（$0.06） 每 100 万 token 的混合价格最低。 各模型价格最多相差 2.8 倍。
- 上下文窗口方面，DeepSeek V4.1 Flash 1017 (max)（1M）、GLM-5.3-Flash（1M）和DeepSeek V4 Pro 0813 (max)（1M） 支持 Novita 上最大的上下文窗口。
智能
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 与价格
价格
每项 Intelligence Index 任务的成本
Intelligence Index 与价格
速度
已测量的单次请求和多轮智能体工作负载的平均值
Intelligence Index 每项任务耗时
质量
Endpoint Accuracy Index
延迟
已测量的单次请求和多轮智能体工作负载的平均值
首个答案 Token 延迟
可靠性
在所有已测量的单次请求和多轮智能体工作负载中，接入点失败的请求占比
接入点错误率
缓存
缓存命中率
每任务成本与缓存命中率
进一步分析 | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
DeepSeek V4.1 Flash 1017 (max) | 33 | $0.52 | 18.1 | 62.85 | 0.8% | 1M | 开放 | |||
GLM-5.3 (max) | 32 | $5.00 | 18.3 | 61.74 | 0.0% | 1M | 开放 | |||
MiniMax-M3.1-Flash | 29 | $0.43 | 18.9 | 71.06 | 0.9% | 1M | 开放 | |||
GLM-5.3-Flash | 28 | $0.80 | 33.0 | 62.67 | 1.7% | 1M | 开放 | |||
DeepSeek V4 Pro 0813 (max) | 23 | $1.86 | 23.6 | 67.46 | 0.0% | 1M | 开放 | |||
MiniMax-M3 | 19 | $1.16 | 14.9 | 79.79 | 0.8% | 1M | 开放 | |||
 Gemma 4 31B | 4 | -- | -- | 76.21 | 0.6% | 262k | 开放 | |||
gpt-oss-120b (high) | 4 | $0.12 | 7.9 | 13.23 | 2.6% | 131k | 开放 | |||
GLM-4.5V (non-reasoning) | -- | -- | -- | 8.07 | 0.0% | 66k | 开放 | |||
DeepSeek V3.1 Terminus (FP8) | -- | -- | -- | -- | -- | 131k | 开放 | |||
 Kimi K2.6 | -- | -- | -- | 76.44 | 0.0% | 262k | 开放 | |||
DeepSeek R1 (Jan) Turbo | -- | -- | -- | -- | -- | 64k | 开放 | |||
DeepSeek R1 (Jan) | -- | -- | -- | -- | -- | 64k | 开放 | |||
 Qwen3.5 397B A17B | -- | -- | -- | 38.88 | 2.8% | 262k | 开放 | |||
Kimi K2.6 (non-reasoning) | -- | -- | -- | 9.53 | 0.0% | 262k | 开放 | |||
MiniMax-M2.5 | -- | -- | -- | 22.07 | 0.0% | 205k | 开放 | |||
Qwen3.5 27B | -- | -- | -- | 37.17 | 10.2% | 262k | 开放 | |||
DeepSeek V3.1 | -- | -- | -- | -- | -- | 131k | 开放 | |||
Qwen3.5 122B A10B | -- | -- | -- | 34.97 | 0.8% | 262k | 开放 | |||
Nemotron 3 Nano (non-reasoning) (FP4) | -- | -- | -- | 1.80 | 0.0% | 262k | 开放 | |||
Gemma 3 27B | -- | -- | -- | 0.87 | 0.0% | 98k | 开放 | |||
GLM-4.7-Flash | -- | -- | -- | 37.48 | 0.0% | 200k | 开放 | |||
GLM-4.5V | -- | -- | -- | 17.77 | 0.0% | 66k | 开放 | |||
Qwen3.5 397B A17B (non-reasoning) | -- | -- | -- | 2.62 | 0.0% | 262k | 开放 | |||
Qwen3.6 27B (non-reasoning) | -- | -- | -- | 44.16 | 4.7% | 262k | 开放 | |||
GLM-5 FP8 | -- | -- | -- | 24.42 | 0.0% | 203k | 开放 | |||
GLM-4.6V (non-reasoning) | -- | -- | -- | 7.58 | 18.9% | 131k | 开放 | |||
DeepSeek V3 (Dec) | -- | -- | -- | 1.53 | 0.0% | 64k | 开放 | |||
Kimi K2 | -- | -- | -- | 7.00 | 2.3% | 131k | 开放 | |||
Qwen3.5 35B A3B | -- | -- | -- | 32.40 | 0.0% | 262k | 开放 | |||
MiniMax-M2.7 (FP8) | -- | -- | -- | 17.52 | 0.0% | 205k | 开放 | |||
Qwen3 VL 30B A3B | -- | -- | -- | 2.56 | 20.0% | 131k | 开放 | |||
GLM-5.1 (FP8) | -- | -- | -- | 51.92 | 0.0% | 205k | 开放 | |||
DeepSeek V4 Pro (high) | -- | -- | -- | -- | -- | 1M | 开放 | |||
Kimi K2 0905 | -- | -- | -- | 2.37 | 0.0% | 262k | 开放 | |||
Qwen3.6 35B A3B (non-reasoning) | -- | -- | -- | 3.27 | 2.2% | 205k | 开放 | |||
GLM-4.6 | -- | -- | -- | 51.62 | 0.0% | 205k | 开放 | |||
Gemma 4 26B A4B | -- | -- | -- | 29.66 | 1.3% | 262k | 开放 | |||
GLM-4.7 | -- | -- | -- | 53.69 | 0.0% | 205k | 开放 | |||
Gemma 4 26B A4B (non-reasoning) | -- | -- | -- | 2.10 | 0.7% | 262k | 开放 | |||
Llama 3.1 8B | -- | -- | -- | 1.45 | 0.0% | 16k | 开放 | |||
Nemotron 3 Nano (FP4) | -- | -- | -- | 7.23 | 0.6% | 262k | 开放 | |||
GLM-4.7 (non-reasoning) | -- | -- | -- | 8.13 | 0.0% | 205k | 开放 | |||
Llama 3 8B | -- | -- | -- | -- | -- | 8k | 开放 | |||
Qwen3.6 35B A3B | -- | -- | -- | 26.16 | 3.2% | 205k | 开放 | |||
Qwen3.6 27B | -- | -- | -- | 44.04 | 2.2% | 262k | 开放 | |||
Kimi K2.7 Code | -- | -- | -- | 53.38 | 0.0% | 262k | 开放 | |||
Llama 4 Maverick (FP8) | -- | -- | -- | 2.31 | 1.0% | 1M | 开放 | |||
GLM-5.1 (non-reasoning) (FP8) | -- | -- | -- | 7.99 | 0.0% | 205k | 开放 | |||
GLM-4.6 (non-reasoning) | -- | -- | -- | 11.59 | 0.0% | 205k | 开放 | |||
Llama 3.3 70B | -- | -- | -- | 4.58 | 0.8% | 131k | 开放 | |||
MiniMax M1 80k | -- | -- | -- | 4.27 | 2.2% | 1M | 开放 | |||
Kimi K2.5 | -- | -- | -- | 33.07 | 0.0% | 262k | 开放 | |||
DeepSeek R1 0528 | -- | -- | -- | 60.07 | 1.9% | 164k | 开放 | |||
Llama 3 70B | -- | -- | -- | -- | -- | 8k | 开放 | |||
Llama 4 Scout | -- | -- | -- | 1.60 | 7.5% | 131k | 开放 | |||
 Hy3 | -- | -- | -- | 45.05 | 0.0% | 262k | 开放 | |||
Kimi K2.5 (non-reasoning) | -- | -- | -- | 9.73 | 0.0% | 262k | 开放 | |||
Kimi K2 Thinking | -- | -- | -- | 30.95 | 0.0% | 262k | 开放 | |||
DeepSeek V4 Pro (max) | -- | -- | -- | 64.86 | 0.0% | 1M | 开放 | |||
GLM-4.7-Flash (non-reasoning) | -- | -- | -- | 32.47 | 5.4% | 200k | 开放 | |||
gpt-oss-120b (low) | -- | -- | -- | 3.30 | 6.0% | 131k | 开放 | |||
Gemma 4 31B (non-reasoning) | -- | -- | -- | 4.31 | 0.7% | 262k | 开放 | |||
GLM-4.6V | -- | -- | -- | 27.99 | 23.2% | 131k | 开放 | |||
DeepSeek V4.1 Flash (max) | -- | -- | -- | 60.83 | 0.0% | 524k | 开放 | |||
DeepSeek V3.1 Terminus (non-reasoning) (FP8) | -- | -- | -- | -- | -- | 131k | 开放 | |||
GLM-5 (non-reasoning) (FP8) | -- | -- | -- | 2.54 | 0.0% | 203k | 开放 | |||
GLM-5.2 (max) (FP8) | -- | -- | -- | 35.40 | 0.0% | 1M | 开放 | |||
DeepSeek V3.1 (non-reasoning) | -- | -- | -- | -- | -- | 164k | 开放 | |||
DeepSeek V4 Flash 0731 (max) | -- | -- | -- | 55.46 | 0.0% | 1M | 开放 | |||
关键定义
常见问题
关于 Novita 的常见问题
Novita 提供我们跟踪的 61 个模型：DeepSeek V4.1 Flash 1017 (max)、GLM-5.3 (max)、MiniMax-M3.1-Flash、GLM-5.3-Flash、DeepSeek V4 Pro 0813 (max)、MiniMax-M3、Gemma 4 31B、gpt-oss-120b (high)、GLM-4.5V (non-reasoning)、Kimi K2.6、Qwen3.5 397B A17B、Kimi K2.6 (non-reasoning)、MiniMax-M2.5、Qwen3.5 27B、Qwen3.5 122B A10B、Nemotron 3 Nano (non-reasoning) (FP4)、Gemma 3 27B、GLM-4.7-Flash、GLM-4.5V、Qwen3.5 397B A17B (non-reasoning)、Qwen3.6 27B (non-reasoning)、GLM-5 FP8、GLM-4.6V (non-reasoning)、DeepSeek V3 (Dec)、Kimi K2、Qwen3.5 35B A3B、MiniMax-M2.7 (FP8)、Qwen3 VL 30B A3B、GLM-5.1 (FP8)、Kimi K2 0905、Qwen3.6 35B A3B (non-reasoning)、GLM-4.6、Gemma 4 26B A4B、GLM-4.7、Gemma 4 26B A4B (non-reasoning)、Llama 3.1 8B、Nemotron 3 Nano (FP4)、GLM-4.7 (non-reasoning)、Qwen3.6 35B A3B、Qwen3.6 27B、Kimi K2.7 Code、Llama 4 Maverick (FP8)、GLM-5.1 (non-reasoning) (FP8)、GLM-4.6 (non-reasoning)、Llama 3.3 70B、MiniMax M1 80k、Kimi K2.5、DeepSeek R1 0528、Llama 4 Scout、Hy3、Kimi K2.5 (non-reasoning)、Kimi K2 Thinking、DeepSeek V4 Pro (max)、GLM-4.7-Flash (non-reasoning)、gpt-oss-120b (low)、Gemma 4 31B (non-reasoning)、GLM-4.6V、DeepSeek V4.1 Flash (max)、GLM-5 (non-reasoning) (FP8)、GLM-5.2 (max) (FP8)和DeepSeek V4 Flash 0731 (max)。
Novita 上最智能的模型是 DeepSeek V4.1 Flash 1017 (max)，Intelligence Index 得分为 33。
Novita 上每任务耗时最短的模型是 gpt-oss-120b (high)，每个 Intelligence Index 任务耗时 7.6 分钟。每任务耗时等于每任务输出 token 数除以端到端输出速度，数值越低表示任务完成得越快。
Novita 上首个答案 Token 延迟最低的模型是 Llama 3.1 8B，延迟为 0.66 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 $0.023（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 39.1 倍，从最实惠的 Llama 3.1 8B（每 100 万 token $0.023）到最昂贵的 GLM-5.2 (max) (FP8)（每 100 万 token $0.90）。
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 61 个模型中，有 60 个支持用于结构化输出的 JSON 模式。
Novita 上 61 个模型中，有 57 个支持函数调用（工具使用）。
是，Novita 提供 37 个推理模型：DeepSeek V4.1 Flash 1017 (max)、GLM-5.3 (max)、MiniMax-M3.1-Flash、GLM-5.3-Flash、DeepSeek V4 Pro 0813 (max)、MiniMax-M3、Gemma 4 31B、gpt-oss-120b (high)、Kimi K2.6、Qwen3.5 397B A17B、MiniMax-M2.5、Qwen3.5 27B、Qwen3.5 122B A10B、GLM-4.7-Flash、GLM-4.5V、GLM-5 FP8、Qwen3.5 35B A3B、MiniMax-M2.7 (FP8)、GLM-5.1 (FP8)、GLM-4.6、Gemma 4 26B A4B、GLM-4.7、Nemotron 3 Nano (FP4)、Qwen3.6 35B A3B、Qwen3.6 27B、Kimi K2.7 Code、MiniMax M1 80k、Kimi K2.5、DeepSeek R1 0528、Hy3、Kimi K2 Thinking、DeepSeek V4 Pro (max)、gpt-oss-120b (low)、GLM-4.6V、DeepSeek V4.1 Flash (max)、GLM-5.2 (max) (FP8)和DeepSeek V4 Flash 0731 (max)。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 上全部 61 个模型均为开放权重模型。
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）、每任务耗时（完成一个 Intelligence Index 任务的速度）、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。