Independent
Apodex 1.1Ouvert
Specialized open-weight coding and reasoning model based on optimized architecture.
Intelligence
0.0 #765
Niveau top 100%
Vitesse Sortie
145 t/s
ITL 6.9 ms/tok
Prix mixte (3:1)
$0.35 /1M
Entrée $0.2/M · Sortie $0.8/M
Contexte
128K
≈ 328 pages A4 · sortie max 16,384
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Apodex 1.1
Claude Mythos Preview (#1)
Average (68)
Les axes du radar sont approximés depuis les scores par catégorie lorsque les mesures directes manquent — voir Méthodologie.
Points forts & compromis
Là où il gagne
- Open weights — self-host, fine-tune and audit with no vendor lock-in
- 145 tok/s output — fast enough for real-time agents
- Very low blended price — $0.35/1M mixed tokens
- Cheap prompt-cache reads at $0.02/1M
Cas d'usage clés
SWE-bench agents
Issue-to-PR resolution across multi-file repos — refactor, test and verify autonomously.
Démarrage rapide développeur & API
Définissez d’abord
HF_TOKEN — obtenir une clé APIcurl https://router.huggingface.co/v1/chat/completions \
-H "Authorization: Bearer $HF_TOKEN" \
-H "content-type: application/json" \
-d '{
"model": "apodex-1-1",
"messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://router.huggingface.co/v1",
api_key=os.environ["HF_TOKEN"],
)
resp = client.chat.completions.create(
model="apodex-1-1",
messages=[{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}],
)
print(resp.choices[0].message.content)const res = await fetch("https://router.huggingface.co/v1/chat/completions", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.HF_TOKEN}`,
"content-type": "application/json",
},
body: JSON.stringify({
model: "apodex-1-1",
messages: [{ role: "user", content: "Refactor this function for O(n) time and explain the change." }],
}),
});
console.log((await res.json()).choices[0].message.content);Ressources & liens officiels
Déploiement API
Comparer hôtes et latence
Débit, TTFT et tarifs de cache chez Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock et Azure.
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Scores par Source
Scores par Catégorie
Résultats de Benchmarks
Specs en direct & architecture
Sous le capot
Dense · 72B
- Prompt caching supported — cached input reads at $0.02/1M tokens.
Date de Sortie
20 juil. 2026
Architecture
Dense · 72B
Paramètres
72B
Licence
Open Weights
Fenêtre de Contexte
131,072 tokens
Sortie max
16,384 tokens
Modalités
text
Tarifs du cache
lecture $0.02 · écriture $0.25 /1M
Raisonnement
—
Prix Entrée
$0.2/M
Prix Sortie
$0.8/M
Vitesse Sortie
145 t/s
Temps au Premier Token
—
Données mises à jour
26 oct. 2026
Facture mensuelle estimée
Dépense mensuelle estimée
$0.00
Calcul des économies vs GPT-4o…
Citer et intégrer
Badge Markdown GitHub
Loading badge markdown...BibTeX
@misc{llmpodium2026apodex11,
title = {Benchmark Analysis and Intelligence Evaluation of Apodex 1.1},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/apodex-1-1}
}Intégrer le badge de score
Ajoutez un badge Podium Score en direct à votre README GitHub ou Hugging Face — il renvoie vers le classement en direct.
Aperçu
Markdown
Loading badge snippet...HTML
Loading badge snippet...Plus de Independent
Modèles alternatifs
Meilleures alternatives à Apodex 1.1 selon les capacités, le prix et les benchmarks.