Modellvergleich
GPT-5.2 Codex (xhigh)
vs. Hermes 4 - Llama-3.1 70B (Non-reasoning)
Vergleich von 2 KI-Modellen · 10 Benchmarks · OpenAI, Nous Research
Empfehlung
Op GPT-5.2 Codex (xhigh) 11 Metrik-Siege Staerkste Bereiche: Durchsatz, Reasoning, Intelligenz
Bester Wert
Hermes 4 - Llama-3.1 70B (Non-reasoning)
100.0 Wert-Score
17.6 Reasoning / $0.20/1M
Niedrigster Preis
Hermes 4 - Llama-3.1 70B (Non-reasoning)
$0.13/1M Eingabepreis
Bestes Reasoning
GPT-5.2 Codex (xhigh)
57.5 Reasoning-Score
Kombiniert verfuegbare Reasoning-Benchmarks
Bestes Coding
GPT-5.2 Codex (xhigh)
43.0 Coding-Index
Composite Indices
Higher is better; speed and price are normalized
Standard Benchmarks
Only benchmarks with data are shown
Wichtige Unterschiede
Bester Wert
Hermes 4 - Llama-3.1 70B (Non-reasoning) bietet den besten Qualitaets-Preis-Mix mit 100.0 von 100 Wertpunkten.
Preisunterschied
Hermes 4 - Llama-3.1 70B (Non-reasoning) ist 13,5x guenstiger bei Eingabetokens als GPT-5.2 Codex (xhigh).
Geschwindigkeitsunterschied
GPT-5.2 Codex (xhigh) generiert etwa 1,5x so viele Tokens pro Sekunde wie Hermes 4 - Llama-3.1 70B (Non-reasoning).
Reasoning-Unterschied
GPT-5.2 Codex (xhigh) liegt 39.9 Punkte vor Hermes 4 - Llama-3.1 70B (Non-reasoning) beim Reasoning.
Coding-Unterschied
GPT-5.2 Codex (xhigh) liegt 33.8 Punkte vor Hermes 4 - Llama-3.1 70B (Non-reasoning) beim Coding.
Response Face-Off
Sende einen Prompt an die ausgewaehlten Modelle und vergleiche Antwortqualitaet mit Live-Metriken zu Tempo und Kosten.
GPT-5.2 Codex (xhigh)
OpenAI
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Hermes 4 - Llama-3.1 70B (Non-reasoning)
Nous Research
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Welche Antwort war nuetzlicher?
Vollständiger Vergleich
| Metrik | Top-Wahl Op GPT-5.2 Codex (xhigh) | No Hermes 4 - Llama-3.1 70B (Non-reasoning) |
|---|---|---|
| Preise pro 1 Mio. Tokens | ||
| Input-Kosten | $1.75/1M | $0.13/1M |
| Output-Kosten | $14.00/1M | $0.40/1M |
| Gemischt (3:1) | $4.81/1M | $0.20/1M |
| Spezifikationen | ||
| Anbieter | OpenAI | Nous Research |
| Veröffentlichung | 11. Dez. 2025 | 27. Aug. 2025 |
| Leistung & Geschwindigkeit | ||
| Durchsatz | 131.7 tok/s | 88.0 tok/s |
| TTFT | 1704ms | 595ms |
| Latenz | 1704ms | 595ms |
| Composite-Indizes | ||
| Wert-Score | 13.4 | 100.0 |
| Reasoning-Score | 57.5 | 17.6 |
| Intelligenz | 49.0 | 12.6 |
| Coding | 43.0 | 9.2 |
| Mathe | — | 11.3 |
| Standard-Benchmarks | ||
| GPQA | 89.9% | 49.1% |
| MMLU Pro | — | 66.4% |
| HLE | 33.5% | 3.6% |
| LiveCodeBench | — | 26.9% |
| AIME 2025 | — | 11.3% |
| SciCode | 54.6% | 27.7% |
| LCR | 75.7% | 2.0% |
| IFBench | 77.6% | 29.0% |
| TAU-bench v2 | 92.1% | 21.6% |
| TerminalBench Hard | 37.1% | 0.0% |
Wichtigste Erkenntnisse
Hermes 4 - Llama-3.1 70B (Non-reasoning) bietet das beste Preis-Leistungs-Verhaeltnis mit $0.13/1M, ideal fuer volumenstarke Anwendungen und kostenbewusste Projekte.
GPT-5.2 Codex (xhigh) hat das staerkste Reasoning-Profil mit 57.5 Reasoning-Score, basierend auf den verfuegbaren Reasoning-Benchmarks.
GPT-5.2 Codex (xhigh) erreicht einen 43.0 Coding-Index, und ist damit eine Top-Wahl fuer Softwareentwicklung und Code-Generierung.
Alle Modelle unterstuetzen Kontextfenster von ∞+ Tokens, geeignet fuer lange Dokumente und ausgedehnte Gespraeche.
Wann welches Modell sinnvoll ist
GPT-5.2 Codex (xhigh)
- Komplexe Reasoning-Aufgaben
- Forschung und Analyse
- Code-Generierung
- Softwareentwicklung
Hermes 4 - Llama-3.1 70B (Non-reasoning)
- Kostensensitive Anwendungen
- Hohe Verarbeitungslast
