प्रोवाइडर, API कीमत, कॉन्टेक्स्ट विंडो, स्पीड, VRAM और बेंचमार्क के आधार पर सभी प्रमुख AI मॉडलों को खोजें और तुलना करें।
330 available
Anthropic का Claude Haiku 5.5 रियल-टाइम चैट, अल्ट्रा-लो लेटेंसी और हाई-वॉल्यूम राउटिंग के लिए निर्मित एक उन्नत AI मॉडल है, जो 200K कॉन्टेक्स्ट विंडो, 160 टोकन/सेकंड स्पीड और $1/$5 प्रति 1M टोकन कीमत के साथ 62/100 इंटेलीजेंस स्कोर प्रदान करता है।
Google का Gemini 4 Argon टेक्स्ट और विज़ुअल इनपुट के नेटिव मल्टीमॉडल विश्लेषण के लिए निर्मित एक उन्नत AI मॉडल है, जो 1M कॉन्टेक्स्ट विंडो, 115 टोकन/सेकंड स्पीड और $2/$10 प्रति 1M टोकन कीमत के साथ 97/100 इंटेलीजेंस स्कोर प्रदान करता है।
OpenAI का GPT-6 Astra प्राकृतिक वॉइस सिंथेसिस, रियल-टाइम ऑडियो प्रोसेसिंग और ट्रांसक्रिप्शन के लिए निर्मित एक उन्नत AI मॉडल है, जो 272K कॉन्टेक्स्ट विंडो, 100 टोकन/सेकंड स्पीड और $10/$50 प्रति 1M टोकन कीमत के साथ 96/100 इंटेलीजेंस स्कोर प्रदान करता है।
Anthropic का Claude Opus 5.5 जटिल एंटरप्राइज रीजनिंग, कोडिंग और प्रोडक्शन AI वर्कफ़्लो के लिए निर्मित एक उन्नत AI मॉडल है, जो 1M कॉन्टेक्स्ट विंडो, 78 टोकन/सेकंड स्पीड और $4/$20 प्रति 1M टोकन कीमत के साथ 94/100 इंटेलीजेंस स्कोर प्रदान करता है।
OpenAI का GPT-6.1 Sol जटिल एंटरप्राइज रीजनिंग, कोडिंग और प्रोडक्शन AI वर्कफ़्लो के लिए निर्मित एक उन्नत AI मॉडल है, जो 1M कॉन्टेक्स्ट विंडो, 120 टोकन/सेकंड स्पीड और $2/$10 प्रति 1M टोकन कीमत के साथ 94/100 इंटेलीजेंस स्कोर प्रदान करता है।
OpenAI का GPT-6 Sol जटिल एंटरप्राइज रीजनिंग, कोडिंग और प्रोडक्शन AI वर्कफ़्लो के लिए निर्मित एक उन्नत AI मॉडल है, जो 1M कॉन्टेक्स्ट विंडो, 116 टोकन/सेकंड स्पीड और $2/$10 प्रति 1M टोकन कीमत के साथ 93/100 इंटेलीजेंस स्कोर प्रदान करता है।
Anthropic का Claude Mythos 5.1 जटिल एंटरप्राइज रीजनिंग, कोडिंग और प्रोडक्शन AI वर्कफ़्लो के लिए निर्मित एक उन्नत AI मॉडल है, जो 1M कॉन्टेक्स्ट विंडो, 60 टोकन/सेकंड स्पीड और $15/$75 प्रति 1M टोकन कीमत के साथ 88/100 इंटेलीजेंस स्कोर प्रदान करता है।
Google का Gemini 3.8 Flash रियल-टाइम चैट, अल्ट्रा-लो लेटेंसी और हाई-वॉल्यूम राउटिंग के लिए निर्मित एक उन्नत AI मॉडल है, जो 1.0M कॉन्टेक्स्ट विंडो, 175 टोकन/सेकंड स्पीड और $0.75/$3.75 प्रति 1M टोकन कीमत के साथ 87/100 इंटेलीजेंस स्कोर प्रदान करता है।
Anthropic का Claude Fable 5.1 जटिल एंटरप्राइज रीजनिंग, कोडिंग और प्रोडक्शन AI वर्कफ़्लो के लिए निर्मित एक उन्नत AI मॉडल है, जो 1M कॉन्टेक्स्ट विंडो, 65 टोकन/सेकंड स्पीड और $10/$50 प्रति 1M टोकन कीमत के साथ 82/100 इंटेलीजेंस स्कोर प्रदान करता है।
Anthropic का Claude Sonnet 5.5 जटिल एंटरप्राइज रीजनिंग, कोडिंग और प्रोडक्शन AI वर्कफ़्लो के लिए निर्मित एक उन्नत AI मॉडल है, जो 1M कॉन्टेक्स्ट विंडो, 105 टोकन/सेकंड स्पीड और $2/$10 प्रति 1M टोकन कीमत के साथ 78/100 इंटेलीजेंस स्कोर प्रदान करता है।
OpenAI का GPT-6 Luna किफायती टोकन लागत और तेज़ प्रोडक्शन इन्फरेंस के लिए निर्मित एक उन्नत AI मॉडल है, जो 272K कॉन्टेक्स्ट विंडो, 245 टोकन/सेकंड स्पीड और $0.1/$0.5 प्रति 1M टोकन कीमत के साथ 67/100 इंटेलीजेंस स्कोर प्रदान करता है।
DeepSeek का DeepSeek V4.1-Flash प्राइवेट क्लाउड सेल्फ-होस्टिंग, फ़ाइन-ट्यूनिंग और पूर्ण डेटा गोपनीयता के लिए निर्मित एक उन्नत AI मॉडल है, जो 1M कॉन्टेक्स्ट विंडो, 110 टोकन/सेकंड स्पीड और $0.3/$1.2 प्रति 1M टोकन कीमत के साथ 58/100 इंटेलीजेंस स्कोर प्रदान करता है।
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.