Recherchez et filtrez chaque grand modèle IA par fournisseur, tarif API, fenêtre de contexte, vitesse, VRAM et benchmarks.
330 available
Claude Haiku 5.5 de Anthropic est un modèle d’IA conçu pour les applications en temps réel à très faible latence et le routage à haut débit, offrant une fenêtre de contexte de 200K, une vitesse de 160 tokens/s, un indice d’intelligence de 62/100 et un tarif de $1/$5 par million de tokens.
Gemini 4 Argon de Google est un modèle d’IA conçu pour la compréhension multimodale native (texte, vision) et l’analyse de documents complexes, offrant une fenêtre de contexte de 1M, une vitesse de 115 tokens/s, un indice d’intelligence de 97/100 et un tarif de $2/$10 par million de tokens.
GPT-6 Astra de OpenAI est un modèle d’IA conçu pour la synthèse vocale naturelle, la transcription audio et le dialogue parlé en temps réel, offrant une fenêtre de contexte de 272K, une vitesse de 100 tokens/s, un indice d’intelligence de 96/100 et un tarif de $10/$50 par million de tokens.
Claude Opus 5.5 de Anthropic est un modèle d’IA conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, offrant une fenêtre de contexte de 1M, une vitesse de 78 tokens/s, un indice d’intelligence de 94/100 et un tarif de $4/$20 par million de tokens.
GPT-6.1 Sol de OpenAI est un modèle d’IA conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, offrant une fenêtre de contexte de 1M, une vitesse de 120 tokens/s, un indice d’intelligence de 94/100 et un tarif de $2/$10 par million de tokens.
GPT-6 Sol de OpenAI est un modèle d’IA conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, offrant une fenêtre de contexte de 1M, une vitesse de 116 tokens/s, un indice d’intelligence de 93/100 et un tarif de $2/$10 par million de tokens.
Claude Mythos 5.1 de Anthropic est un modèle d’IA conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, offrant une fenêtre de contexte de 1M, une vitesse de 60 tokens/s, un indice d’intelligence de 88/100 et un tarif de $15/$75 par million de tokens.
Gemini 3.8 Flash de Google est un modèle d’IA conçu pour les applications en temps réel à très faible latence et le routage à haut débit, offrant une fenêtre de contexte de 1.0M, une vitesse de 175 tokens/s, un indice d’intelligence de 87/100 et un tarif de $0.75/$3.75 par million de tokens.
Claude Fable 5.1 de Anthropic est un modèle d’IA conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, offrant une fenêtre de contexte de 1M, une vitesse de 65 tokens/s, un indice d’intelligence de 82/100 et un tarif de $10/$50 par million de tokens.
Claude Sonnet 5.5 de Anthropic est un modèle d’IA conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, offrant une fenêtre de contexte de 1M, une vitesse de 105 tokens/s, un indice d’intelligence de 78/100 et un tarif de $2/$10 par million de tokens.
GPT-6 Luna de OpenAI est un modèle d’IA conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, offrant une fenêtre de contexte de 272K, une vitesse de 245 tokens/s, un indice d’intelligence de 67/100 et un tarif de $0.1/$0.5 par million de tokens.
DeepSeek V4.1-Flash de DeepSeek est un modèle d’IA conçu pour l’auto-hébergement sur infrastructure privée, le fine-tuning et la souveraineté des données, offrant une fenêtre de contexte de 1M, une vitesse de 110 tokens/s, un indice d’intelligence de 58/100 et un tarif de $0.3/$1.2 par million de tokens.
Break-even occurs when Monthly GPU Infrastructure Cost (rental/depreciation + power + ops) equals Total Monthly Tokens multiplied by your Blended API Token Price; below 50M tokens/month, managed APIs are almost always cheaper.
At $0.14 per 1M input tokens, DeepSeek V3 managed API is vastly cheaper than renting dedicated 8x H100 GPU clusters ($15-$25/hour) unless your organization sustains over 500 million tokens per day with 70%+ GPU utilization.
Dedicated GPUs incur fixed costs 24/7; at 10% utilization during idle hours, your effective cost per processed token becomes 10 times higher than nominal capacity, erasing any theoretical hardware cost advantage.
Anthropic charges a 1.25x (5-min TTL) or 2x (1-hour TTL) write premium on the initial request to compute the KV cache, then provides a 90% discount ($0.30/1M tokens) on all subsequent cache hit reads.
Reasoning tokens in o3-mini are billed at the standard output rate ($4.40/1M tokens); because complex reasoning steps can generate thousands of hidden scratchpad tokens, configuring reasoning_effort: low or medium is vital to prevent unexpected invoice inflation.
SWE-bench Verified features 500 human-filtered GitHub issues where top models have reached 70-85%+ saturation, whereas SWE-bench Pro introduces harder multi-repo architectural tasks with strict contamination-proofing to evaluate autonomous engineering.
The full 671B DeepSeek R1 requires multi-GPU clusters, but distilled versions (such as DeepSeek-R1-Distill-Qwen-14B or 32B with 4-bit quantization) run smoothly on a single 24GB RTX 4090.
Gemini 2.0 Flash leads with native multimodal audio-to-audio streaming and sub-200ms time-to-first-token (TTFT), making it faster than text-pipelined GPT-4o-mini setups.