Сравнение LLM по цене и интеллекту

Как читать таблицу и выбрать модель

Что означают столбцы

• Intel — Intelligence Index — агрегированный балл интеллекта от Artificial Analysis: чем выше, тем «умнее» модель в среднем.
• Режим — reasoning / non-reasoning и уровень усилия. Разные режимы одной модели — это отдельные строки со своим баллом.
• Rsn? — Короткий флаг: reasoning-модель (✓) или нет. По сути дублирует признак из столбца «Режим», но удобен для быстрой сортировки и фильтрации по типу.
• Провайдеры — Сколько площадок на OpenRouter отдают модель. Нажмите на число, чтобы увидеть цену, задержку, аптайм и квантизацию у каждого провайдера.
• in $/M и out $/M — Цена за миллион токенов ввода и вывода (из OpenRouter).
• $/intel — Цена ввода, делённая на Intelligence Index: чем меньше, тем выгоднее единица интеллекта.
• TTFT (s) и t/s — Скорость: время до первого токена и число выходных токенов в секунду.
• Контекст (k) — Размер окна контекста в тысячах токенов.
• Токенайзер — Семейство токенайзера модели; влияет на реальную стоимость русского текста (см. ниже).
• Разработчик — Компания, создавшая модель (Anthropic, OpenAI, Google…), — не инференс-провайдер.

Что такое Intelligence Index

Intelligence Index от Artificial Analysis сводит несколько бенчмарков в одно число — можно сравнивать модели по одной шкале, а не сверять десяток лидербордов. Считайте это хорошим средним, а не истиной в последней инстанции: модель, отставшая на балл-другой, может выиграть именно на вашей задаче. Используйте индекс, чтобы отобрать кандидатов, а финалистов проверьте на своих промптах.

Почему $/intel у reasoning-моделей обманчив

У reasoning-режимов балл выше при той же цене за токен, поэтому $/intel выглядит выгоднее. Но reasoning заметно многословнее — тратит куда больше выходных токенов, — так что реальная стоимость ответа выше, чем подсказывает столбец. Читайте $/intel вместе с режимом и ценой output, а не отдельно.

Токенайзеры и кириллица: что выгоднее

Цены OpenRouter — за токен, поэтому реальная стоимость на русском зависит от «фертильности» токенайзера: сколько токенов уходит на один и тот же текст. Грубый ориентир от выгодных к дорогим: Gemini/Gemma и GPT (o200k) → Llama 3, Mistral, Command, Claude → китайские (Qwen, DeepSeek, GLM, Kimi, MiniMax), у которых кириллица дробится мельче. Это качественный ориентир, а не точные коэффициенты — точное число даёт только замер на вашем тексте.

Разработчик и провайдер — не одно и то же

В таблице соседствуют два разных понятия. Разработчик — тот, кто создал модель (Anthropic, OpenAI, Google, Xiaomi). Провайдер — площадка, которая отдаёт эту модель через OpenRouter, у каждой своя цена, задержка и аптайм. У одной модели провайдеров бывает с десяток — нажмите на число в столбце «Провайдеры», чтобы сравнить их между собой.

Как выбирать на практике

Идите от задачи, а не от хайпа. Задайте минимальный Intelligence Index, который вас устраивает, отсортируйте по $/intel и просмотрите верхние строки. Нужны длинные документы — фильтруйте по контексту. Важна задержка — сортируйте по TTFT. Работаете на русском — берите модель с более дружелюбным токенайзером. Затем передайте выбранную модель в hotdoc и прогоните на реальных файлах.