Ищите и фильтруйте все ведущие модели ИИ по провайдеру, цене API, контекстному окну, скорости, требованиям VRAM и бенчмаркам.
330 available
Claude Haiku 5.5 от Anthropic — специализированная ИИ-модель для работы в реальном времени с минимальной задержкой и высоконагруженной маршрутизации, обеспечивающая контекстное окно 200K, скорость 160 ток/с и индекс интеллекта 62/100 (по цене $1/$5 за 1M токенов).
Gemini 4 Argon от Google — специализированная ИИ-модель для нативной мультимодальной обработки текста и изображений, а также анализа документов, обеспечивающая контекстное окно 1M, скорость 115 ток/с и индекс интеллекта 97/100 (по цене $2/$10 за 1M токенов).
GPT-6 Astra от OpenAI — специализированная ИИ-модель для естественного синтеза речи, обработки аудио в реальном времени и транскрибации, обеспечивающая контекстное окно 272K, скорость 100 ток/с и индекс интеллекта 96/100 (по цене $10/$50 за 1M токенов).
Claude Opus 5.5 от Anthropic — специализированная ИИ-модель для передового корпоративного рассуждения, программирования и промышленных ИИ-систем, обеспечивающая контекстное окно 1M, скорость 78 ток/с и индекс интеллекта 94/100 (по цене $4/$20 за 1M токенов).
GPT-6.1 Sol от OpenAI — специализированная ИИ-модель для передового корпоративного рассуждения, программирования и промышленных ИИ-систем, обеспечивающая контекстное окно 1M, скорость 120 ток/с и индекс интеллекта 94/100 (по цене $2/$10 за 1M токенов).
GPT-6 Sol от OpenAI — специализированная ИИ-модель для передового корпоративного рассуждения, программирования и промышленных ИИ-систем, обеспечивающая контекстное окно 1M, скорость 116 ток/с и индекс интеллекта 93/100 (по цене $2/$10 за 1M токенов).
Claude Mythos 5.1 от Anthropic — специализированная ИИ-модель для передового корпоративного рассуждения, программирования и промышленных ИИ-систем, обеспечивающая контекстное окно 1M, скорость 60 ток/с и индекс интеллекта 88/100 (по цене $15/$75 за 1M токенов).
Gemini 3.8 Flash от Google — специализированная ИИ-модель для работы в реальном времени с минимальной задержкой и высоконагруженной маршрутизации, обеспечивающая контекстное окно 1.0M, скорость 175 ток/с и индекс интеллекта 87/100 (по цене $0.75/$3.75 за 1M токенов).
Claude Fable 5.1 от Anthropic — специализированная ИИ-модель для передового корпоративного рассуждения, программирования и промышленных ИИ-систем, обеспечивающая контекстное окно 1M, скорость 65 ток/с и индекс интеллекта 82/100 (по цене $10/$50 за 1M токенов).
Claude Sonnet 5.5 от Anthropic — специализированная ИИ-модель для передового корпоративного рассуждения, программирования и промышленных ИИ-систем, обеспечивающая контекстное окно 1M, скорость 105 ток/с и индекс интеллекта 78/100 (по цене $2/$10 за 1M токенов).
GPT-6 Luna от OpenAI — специализированная ИИ-модель для максимальной экономической эффективности на токен и быстрого продакшен-инференса, обеспечивающая контекстное окно 272K, скорость 245 ток/с и индекс интеллекта 67/100 (по цене $0.1/$0.5 за 1M токенов).
DeepSeek V4.1-Flash от DeepSeek — специализированная ИИ-модель для самостоятельного развертывания на своих серверах, дообучения и суверенитета данных, обеспечивающая контекстное окно 1M, скорость 110 ток/с и индекс интеллекта 58/100 (по цене $0.3/$1.2 за 1M токенов).
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.