Pesquise e filtre todos os principais modelos de IA por provedor, preço de API, janela de contexto, velocidade, VRAM e benchmarks.
330 available
O Claude Haiku 5.5 da Anthropic é um modelo de IA projetado para respostas em tempo real com latência ultrabaixa e roteamento de alto volume, oferecendo janela de contexto de 200K, velocidade de 160 tokens/s, índice de inteligência de 62/100 e tarifa de $1/$5 por 1M de tokens.
O Gemini 4 Argon da Google é um modelo de IA projetado para compreensão multimodal nativa de texto e imagem e leitura visual de documentos, oferecendo janela de contexto de 1M, velocidade de 115 tokens/s, índice de inteligência de 97/100 e tarifa de $2/$10 por 1M de tokens.
O GPT-6 Astra da OpenAI é um modelo de IA projetado para síntese de voz natural, transcrição de áudio e interação falada em tempo real, oferecendo janela de contexto de 272K, velocidade de 100 tokens/s, índice de inteligência de 96/100 e tarifa de $10/$50 por 1M de tokens.
O Claude Opus 5.5 da Anthropic é um modelo de IA projetado para raciocínio corporativo de fronteira, programação avançada e cargas de produção, oferecendo janela de contexto de 1M, velocidade de 78 tokens/s, índice de inteligência de 94/100 e tarifa de $4/$20 por 1M de tokens.
O GPT-6.1 Sol da OpenAI é um modelo de IA projetado para raciocínio corporativo de fronteira, programação avançada e cargas de produção, oferecendo janela de contexto de 1M, velocidade de 120 tokens/s, índice de inteligência de 94/100 e tarifa de $2/$10 por 1M de tokens.
O GPT-6 Sol da OpenAI é um modelo de IA projetado para raciocínio corporativo de fronteira, programação avançada e cargas de produção, oferecendo janela de contexto de 1M, velocidade de 116 tokens/s, índice de inteligência de 93/100 e tarifa de $2/$10 por 1M de tokens.
O Claude Mythos 5.1 da Anthropic é um modelo de IA projetado para raciocínio corporativo de fronteira, programação avançada e cargas de produção, oferecendo janela de contexto de 1M, velocidade de 60 tokens/s, índice de inteligência de 88/100 e tarifa de $15/$75 por 1M de tokens.
O Gemini 3.8 Flash da Google é um modelo de IA projetado para respostas em tempo real com latência ultrabaixa e roteamento de alto volume, oferecendo janela de contexto de 1.0M, velocidade de 175 tokens/s, índice de inteligência de 87/100 e tarifa de $0.75/$3.75 por 1M de tokens.
O Claude Fable 5.1 da Anthropic é um modelo de IA projetado para raciocínio corporativo de fronteira, programação avançada e cargas de produção, oferecendo janela de contexto de 1M, velocidade de 65 tokens/s, índice de inteligência de 82/100 e tarifa de $10/$50 por 1M de tokens.
O Claude Sonnet 5.5 da Anthropic é um modelo de IA projetado para raciocínio corporativo de fronteira, programação avançada e cargas de produção, oferecendo janela de contexto de 1M, velocidade de 105 tokens/s, índice de inteligência de 78/100 e tarifa de $2/$10 por 1M de tokens.
O GPT-6 Luna da OpenAI é um modelo de IA projetado para máxima economia por token e alto desempenho em escala de produção, oferecendo janela de contexto de 272K, velocidade de 245 tokens/s, índice de inteligência de 67/100 e tarifa de $0.1/$0.5 por 1M de tokens.
O DeepSeek V4.1-Flash da DeepSeek é um modelo de IA projetado para auto-hospedagem em infraestrutura própria, fine-tuning e soberania de dados, oferecendo janela de contexto de 1M, velocidade de 110 tokens/s, índice de inteligência de 58/100 e tarifa de $0.3/$1.2 por 1M 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.