Open Source
Quasar 438BOuvert
Massive Mixture-of-Experts open-weight model with 38B active parameters per token.
Intelligence
0.0 #767
Niveau top 100%
Vitesse Sortie
95 t/s
ITL 10.5 ms/tok
Prix mixte (3:1)
$0.7 /1M
Entrée $0.4/M · Sortie $1.6/M
Contexte
128K
≈ 328 pages A4 · sortie max 32,768
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Quasar 438B
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
- Very low blended price — $0.7/1M mixed tokens
- Cheap prompt-cache reads at $0.04/1M
- Reasoning mode with adjustable effort levels
Cas d'usage clés
Math & proof work
Step-verified reasoning for olympiad math, theorem proving and formal verification.
On-prem deployment
Air-gapped and regulated-environment serving on your own hardware.
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": "quasar-438b",
"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="quasar-438b",
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: "quasar-438b",
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 · 438B (38B active)
- Switchable reasoning effort — trading latency and tokens for accuracy on hard problems.
- Prompt caching supported — cached input reads at $0.04/1M tokens.
Date de Sortie
1 août 2026
Architecture
Dense · 438B (38B active)
Paramètres
438B (38B active)
Licence
Open Weights
Fenêtre de Contexte
131,072 tokens
Sortie max
32,768 tokens
Modalités
text
Tarifs du cache
lecture $0.04 · écriture $0.5 /1M
Raisonnement
Niveaux d'effort
Prix Entrée
$0.4/M
Prix Sortie
$1.6/M
Vitesse Sortie
95 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{llmpodium2026quasar438b,
title = {Benchmark Analysis and Intelligence Evaluation of Quasar 438B},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/quasar-438b}
}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...Modèles alternatifs
Meilleures alternatives à Quasar 438B selon les capacités, le prix et les benchmarks.