Ranking de Modelos LLM Clasificaciones y Estadísticas de Modelos Basadas en Uso en Tiempo Real
Compara y analiza el uso real y el rendimiento de los modelos LLM desde diversas perspectivas
Diario Por Modelo Clasificación de Eficiencia de Modelos (excluyendo modelos gratuitos) TOP 10
Guía de Indicadores de Clasificación de Eficiencia
Las clasificaciones de eficiencia se calculan en base a la relación tokens de salida / tokens de entrada. Cuanto más baja sea esta relación, más eficientemente opera el modelo.
Esta métrica tiene un significado particularmente importante en tareas como edición de documentos, refactorización de código y análisis de datos. Los modelos altamente eficientes tienden a extraer con precisión solo las partes necesarias de la información proporcionada por el usuario y responder de manera concisa, reduciendo el consumo innecesario de tokens y permitiendo una utilización de AI rentable. Sin embargo, una baja relación de eficiencia no necesariamente significa mejor rendimiento. Algunas tareas complejas pueden requerir más tokens de salida, y cuando se necesitan explicaciones detalladas o provisión de información extensa, una mayor relación de eficiencia podría ser realmente preferible. Por lo tanto, esta métrica debe interpretarse según la naturaleza y el propósito de la tarea.
Rango | Nombre del Modelo | Tokens de Entrada | Tokens de Salida | Ratio de Eficiencia |
---|---|---|---|---|
1 | meta-llama/llama-guard-4-12b | 346.25M | 358.77K | 0.001 |
2 | openai/codex-mini | 42.99M | 602.36K | 0.0136 |
3 | arcee-ai/spotlight | 11.97M | 188.48K | 0.0157 |
4 | arcee-ai/virtuoso-large | 1.78M | 27.95K | 0.0157 |
5 | perplexity/sonar-deep-research | 1.28M | 1.13M | 0.0162 |
6 | mistralai/devstral-small-2505 | 279.44M | 4.82M | 0.0173 |
7 | openai/o4-mini-high-2025-04-16 | 232.15M | 4.99M | 0.0189 |
8 | neversleep/llama-3.1-lumimaid-8b | 242.03M | 4.77M | 0.0197 |
9 | arcee-ai/caller-large | 1.15M | 24.21K | 0.0211 |
10 | meta-llama/llama-3.2-1b-instruct | 1.1B | 23.32M | 0.0214 |