Relace: Relace Search
Relace: Relace Search est un LLM publié par relace le 8 décembre 2025. Il se distingue par une fenêtre de contexte de 256 000 tokens et par un positionnement tarifaire très économique, adapté aux traitements qui exigent de longues entrées à coût contenu.
Relace: Relace Search est un LLM publié par relace le 8 décembre 2025. Il se distingue par une fenêtre de contexte de 256 000 tokens et par un positionnement tarifaire très économique, adapté aux traitements qui exigent de longues entrées à coût contenu.
Facturé 1 $ par million de tokens en entrée et 3 $ en sortie, il coûte 52% de moins que la moyenne des LLM similaires et environ 5,5 fois moins que les modèles frontière. Ses résultats Benchable sont contrastés, avec un meilleur positionnement relatif en Coding et un net retrait en General Knowledge.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | relace |
| Poids | ▫ n.d. |
| 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 % | 132ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 91,0 % | 143ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 91,0 % | 66ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 88,0 % | 97ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 85,0 % | 92ᵉ / 140 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 79,9 % | 141ᵉ / 161 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 66,0 % | 96ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 53,0 % | 103ᵉ / 163 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, 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 52 % en dessous de la moyenne des LLM similaires, et 5,5 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
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. Coding constitue son résultat relatif le plus solide sur Benchable. Relace: Relace Search partage la 66e place sur 162 avec sept autres modèles, ce qui le situe dans la première moitié du classement. Les scores bruts en Ethics et Email Classification sont élevés, mais le plafonnement de ces benchmarks réduit leur pouvoir discriminant. La fenêtre de 256 000 tokens constitue son principal avantage fonctionnel. Son tarif renforce cet intérêt pour les volumes importants et les usages sensibles aux coûts.
Limites et points d'attention. Le modèle reste en retrait dans la plupart des classements. Il occupe le rang 141 sur 161 en General Knowledge. En Ethics et Email Classification, ses scores élevés correspondent respectivement aux 132e et 143e places, loin des premiers rangs. Hallucinations et Mathematics le placent également dans la partie basse de leurs classements. Même son meilleur résultat, en Coding, ne dépasse pas la 66e place et provient d'un benchmark plafonné, donc peu discriminant. Relace: Relace Search convient surtout aux traitements à budget contraint qui valorisent une grande fenêtre de contexte davantage qu'un niveau de référence en connaissances générales, en mathématiques ou en programmation.
Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).