DeepSeek V4.1 Flash 1017 (Max) のインテリジェンス、パフォーマンス、価格分析

DeepSeek V4.1 Flash 1017 (Max) 知能、パフォーマンス、価格の分析

知能

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、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 の10個の評価を含んでいます。

公開されているAPIはありません。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 には、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 が含まれます。各評価の詳細と実行方法については、知能インデックスの方法論を参照してください。

オープンウェイト / プロプライエタリ別 Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、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 の10個の評価を含んでいます。

公開されているAPIはありません。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 には、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 が含まれます。各評価の詳細と実行方法については、知能インデックスの方法論を参照してください。

オープンウェイト

モデルのウェイトが利用可能かどうかを示します。商用利用が条件付きで制限されているモデルは「商用利用制限あり」、ライセンスが商用利用を禁止しているモデルは「非商用」と表示されます。

知能インデックス vs. タスクあたりのコスト

Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト（USD）

最も魅力的な象限

パレート線

知能インデックス タスクあたりのコスト

知能インデックス タスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、知能インデックスの重みで加重されます。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、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 を含みます。各評価の詳細と実行方法については、知能インデックスの方法論を参照してください。

能力インデックス

特定の能力や業界におけるモデルのパフォーマンスを測定します。

公開されているAPIはありません。

評価

Artificial Analysis によって個別に測定された知能評価 · 高いほど良い

公開されているAPIはありません。

エージェントによる知識作業、（Elo-500）/2000

エージェントによる実世界タスク、（Elo-500）/2000

GDP.pdf

プロフェッショナル文書推論、全合格

コーディング

物理学推論

ターミナルでのエージェントによる科学研究ワークフロー

オープンソースリポジトリでのエージェントによるソフトウェアエンジニアリング

エージェントによる法的作業、幻覚抑制全合格率

エージェントによるインタラクティブ3D体験、（Elo-500）/2000

医療分野における長文コンテキスト推論

知能評価の関連性

モデルの知能は一般的にユースケース間で転移しますが、特定の評価は特定のユースケースにより関連性が高い場合があります。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、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 を含みます。各評価の詳細と実行方法については、知能インデックスの方法論を参照してください。

AA-Briefcase v1.1 更新

AA-Briefcase Elo

AA-Briefcase v1.1 は、Artificial Analysis によって開発されたエージェント型知識作業ベンチマークです。AA-Briefcase Elo は、ルーブリック合格率、分析品質 Elo、プレゼンテーション Elo を集計した複合指標です · 高いほど良い

公開されているAPIはありません。

AA-Briefcase Elo

AA-Briefcase Elo は、分析品質 Elo、プレゼンテーション Elo、ルーブリック合格率を集計した複合指標であり、ルーブリックパフォーマンスは合成的な直接対決マッチを通じて Elo に変換されます。Elo および 95% 信頼区間は 0 にクランプされます。

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index（高いほど良い）は、知識の信頼性と幻覚を測定します。正解を報酬とし、幻覚を罰し、回答拒否にはペナルティはありません。スコアは -100 から 100 の範囲で、0 は正解と不正解が同数であることを意味し、負のスコアは不正解の方が多いことを意味します。

公開されているAPIはありません。

AA-Omniscience Index

AA-Omniscience Index（高いほど良い）は、知識の信頼性と幻覚を測定します。正解を報酬とし、幻覚を罰し、回答拒否にはペナルティはありません。スコアは -100 から 100 の範囲で、0 は正解と不正解が同数であることを意味し、負のスコアは不正解の方が多いことを意味します。

AA-PersonalityBench 新着

パーソナリティインデックス

各軸は8つのパーソナリティインデックスのいずれかであり、その特性の Elo z スコアの平均値で、ベンチマークで評価されたすべてのモデルに対するパーセンタイルランク（1から100）です。

開放性インデックス

Artificial Analysis Openness Index: スコア

開放性インデックスは、0から100の正規化されたスケールでモデルの開放性を評価します（高いほど開放的）。

知能インデックスの比較

知能インデックス vs. タスクあたりのコスト

Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト（USD）

最も魅力的な象限

パレート線

知能インデックス タスクあたりのコスト

知能インデックス タスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、知能インデックスの重みで加重されます。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、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 を含みます。各評価の詳細と実行方法については、知能インデックスの方法論を参照してください。

トークン使用量

知能インデックス タスクあたりの出力トークン

Artificial Analysis Intelligence Index のタスク1回あたりの加重平均出力トークン数

公開されているAPIはありません。

知能インデックス タスクあたりの出力トークン

知能インデックス タスクあたりに必要なトークン数。これは、評価あたりの出力トークン数に知能インデックスにおける各ベンチマークの相対的な重みを掛け、タスク数（繰り返しを除く）で割ることで計算されます。

コスト

知能インデックス タスクあたりのコスト

知能インデックス タスクあたりの加重平均コスト（USD） · トークンタイプ別 · 低いほど良い

知能インデックス タスクあたりのコスト

知能インデックス タスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、知能インデックスの重みで加重されます。

Artificial Analysis Intelligence Index 実行コスト

Artificial Analysis Intelligence Index の全評価実行コスト（USD）

Artificial Analysis Intelligence Index 実行コスト

Artificial Analysis Intelligence Index の評価を実行するためのコスト。モデルの入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格と、評価全体で使用されるトークン数（繰り返しを除く）を使用して計算されます。

価格: キャッシュヒット、入力、および出力

価格（USD/M トークン）

キャッシュヒット

キャッシュされたプロンプト（以前に処理されたもの）のトークンあたりの価格。通常、通常の入力価格と比較して大幅な割引が提供されます。ここではキャッシュヒット価格を示しています。キャッシュ書き込みとキャッシュストレージは別途請求され、プロバイダーによって異なります。「プロバイダー別のキャッシュ価格」を参照してください。

コンテキストウィンドウ

コンテキストウィンドウ

コンテキストウィンドウ: トークン制限 · 高いほど良い

公開されているAPIはありません。

RAG（Retrieval Augmented Generation）のためのコンテキストウィンドウ

より大きなコンテキストウィンドウは、通常、大量のデータに対する推論と情報検索を伴う RAG（Retrieval Augmented Generation）LLM ワークフローに関連します。

コンテキストウィンドウ

入力および出力トークンの合計の最大数。出力トークンは通常、モデルによって大きく異なる、より低い制限があります。

速度

出力速度（トークン/秒）で測定

出力速度

出力トークン/秒 · 高いほど良い

出力速度

モデルがトークンを生成している間に受信されるトークン/秒（つまり、ストリーミングをサポートするモデルの場合、APIから最初のチャンクを受信した後）。

モデルパフォーマンスの表現

数値は、モデルのファーストパーティAPIのパフォーマンス、またはファーストパーティAPIが入手できない場合のプロバイダー間のメディアンを表します。

知能インデックス タスクあたりの時間

知能インデックス タスクあたりの加重平均デコード時間（分） · TTFT（Time To First Token）とオーバーヘッド時間は除く · 低いほど良い

知能インデックス タスクあたりの時間

Artificial Analysis Intelligence Index タスクあたりの加重平均時間（秒）。これは、タスクあたりの出力トークン数を知能インデックスにおける各ベンチマークの相対的な重みで割ることで計算されます。

レイテンシ

最初のトークンまでの時間（秒）で測定

レイテンシ: 最初の回答トークンまでの時間

受信した最初の回答トークンまでの秒数 · 推論モデルの「思考」時間を含みます。

最初の回答トークンまでの時間

APIリクエスト送信後、受信した最初の回答トークンまでの時間（秒）。推論モデルの場合、これはモデルが回答を提供する前に「思考」している時間が含まれます。ストリーミングをサポートしないモデルの場合、これは完了を受信するまでの時間を表します。

エンドツーエンド応答時間

最初のトークンまでの時間、推論モデルの「思考」時間、および出力速度に基づいて計算された、500トークンを出力するまでの時間（秒）。

エンドツーエンド応答時間

500トークンを出力するまでの時間（秒）、推論モデルの「思考」時間を含む · 低いほど良い

エンドツーエンド応答時間

500トークンの応答を受信するまでの時間（秒）。主な構成要素:

• 入力時間: 最初の応答トークンを受信するまでの時間
• 思考時間（推論モデルのみ）: 推論モデルが回答を提供する前にトークンを出力して推論に費やす時間。トークン数は、60個の多様なプロンプトセットにおける平均推論トーク数に基づきます（方法論の詳細）。
• 回答時間: 出力速度に基づいた、500出力トークンを生成するまでの時間。

モデルパフォーマンスの表現

数値は、モデルのファーストパーティAPIのパフォーマンス、またはファーストパーティAPIが入手できない場合のプロバイダー間のメディアンを表します。

モデルサイズ（オープンウェイトモデルのみ）

モデルサイズ: 総パラメータ数とアクティブパラメータ数

推論中にアクティブなパラメータ数と総パラメータ数の比較（十億単位）

総パラメータ数

モデルの学習可能な重みとバイアスの総数（十億単位）。これらのパラメータはトレーニング中に学習され、モデルの応答を処理および生成する能力を決定します。

推論時のアクティブパラメータ数

各推論フォワードパス中に実際に実行されるパラメータ数（十億単位）。Mixture of Experts (MoE) モデルの場合、ルーティングメカニズムがトークンごとにエキスパートのサブセットを選択するため、アクティブパラメータ数は総パラメータ数よりも少なくなります。密モデルはすべてのパラメータを使用するため、アクティブと総数は等しくなります。