Relace: Relace Search
Relace: Relace Search est un LLM édité par relace, sorti le 8 décembre 2025. Son principal marqueur technique est une fenêtre de contexte de 256 000 tokens, un format adapté aux entrées longues et aux corpus volumineux.
Relace: Relace Search est un LLM édité par relace, sorti le 8 décembre 2025. Son principal marqueur technique est une fenêtre de contexte de 256 000 tokens, un format adapté aux entrées longues et aux corpus volumineux.
Le modèle se positionne surtout sur le coût: son tarif d’entrée et de sortie le place dans une catégorie très économique, avec un prix inférieur à la moyenne des LLM similaires et nettement sous celui des modèles frontière. Les données disponibles reposent sur 2 sources concordantes.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | relace |
| Date de sortie | 8 décembre 2025 |
| Multimodal | non |
| Fenêtre de contexte | 256 000 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Ethics (Baseline) | 96,0 % | 202ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 91,0 % | 229ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 91,0 % | 98ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 88,0 % | 158ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 85,0 % | 132ᵉ / 217 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 79,9 % | 215ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 66,0 % | 153ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 53,0 % | 164ᵉ / 252 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Ethics (Baseline)
Benchable : Email Classification (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Relace | 1 $ | 3 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 49 % en dessous de la moyenne des LLM similaires, et 4,8 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,05 $ |
| Latence moyenne par benchmark — Benchable | 5 min 55 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Le meilleur signal relatif de Relace: Relace Search apparaît sur Coding (Baseline), où son classement est plus favorable que sur ses autres évaluations Benchable. Le modèle obtient aussi des scores bruts élevés en Ethics (Baseline), Email Classification (Baseline) et Coding (Baseline), ce qui indique une base fonctionnelle sur des tâches structurées. Sa grande fenêtre de contexte constitue un autre atout concret, en particulier pour traiter de longues entrées sans découpage excessif. Son avantage tarifaire est net: le modèle est annoncé 49% sous la moyenne des LLM similaires et environ 4,8 fois moins cher que les modèles frontière.
Limites et points d'attention. Les classements Benchable relativisent fortement les scores bruts: Ethics, Email Classification et General Knowledge se situent dans le bas du tableau, et Hallucinations (Baseline) ainsi que Mathematics (Baseline) restent en position intermédiaire à faible selon les rangs fournis. General Knowledge (Baseline) est le point le plus fragile, avec un rang peu compétitif malgré un score brut correct. Relace: Relace Search correspond surtout à des usages où le coût, la longueur de contexte et des performances correctes en code priment sur la recherche du meilleur niveau généraliste.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).