aruhub API vs. Modelflare
Ein Modell auf zwei Relays: Echtheit, Geschwindigkeit, Preis, Cache und Verfügbarkeit, dazu die um Degradation bereinigte Intelligenz und das Preis-Leistungs-Verhältnis – mit einer Empfehlung für Ihren Schwerpunkt.
Empfehlung
Fünf Dimensionen
Weiter außen ist besser. Echtheit ist der Anteil der erhaltenen Intelligenz; die anderen vier Werte sind Platzierungen unter allen Relays dieses Modells.
aruhub APIModelflare
Was ist Ihnen am wichtigsten?
Bei Schwerpunkt „Ausgewogen“ empfehlen wir aruhub API
aruhub API75
Modelflare8
Hauptgründe
Echtheit25%
Echtheit: für mindestens ein Relay keine Daten
Verfügbarkeit20%
Verfügbarkeit: für mindestens ein Relay keine Daten
Preis-Leistung20%
aruhub API bietet 32.7 Punkte pro Geldeinheit, 564 % mehr als Modelflare (4.92)
Tempo15%
Tempo: für mindestens ein Relay keine Daten
Preis15%
aruhub API kostet ¥1.65 pro Session, 85 % weniger als Modelflare (¥11.0)
Cache5%
Cache: für mindestens ein Relay keine Daten
Kennzahlen
Bereinigte Intelligenz
Höher ist besser
Kosten pro Coding-Session
2 Mio. Eingabe- + 40.000 Ausgabe-Token · Niedriger ist besser
Preis-Leistung
Intelligenzpunkte pro 1 ¥ · Höher ist besser
Alle Werte
Intelligenz
Bereinigte Intelligenz53.953.9
Erhaltene IntelligenzNoch nicht gemessenNoch nicht gemessen
TrefferquoteNoch nicht gemessenNoch nicht gemessen
Kosten
Preis-Leistung32.74.92
Kosten pro Coding-Session¥1.65¥11.0
Eingabepreis¥0.75¥4.98
Ausgabepreis¥3.75¥24.9
Cache-RabattKeine Angabe95%
Leistung
Zeit bis zum ersten Token——
Verfügbarkeit, letzte 24 Stunden——
Stichproben——
Route
GruppeGemini-Ultra专享gemini-premium
DatensicherheitStufe 0Stufe 4
Bereinigte Intelligenz = veröffentlichter Intelligenzindex des Modells × erhaltene Intelligenz. Erhaltene Intelligenz = Trefferquote des Relays ÷ höchste Trefferquote unter den geprüften Relays desselben Modells; bei weniger als 10 Fragen wird nicht bereinigt. Preis-Leistung = bereinigte Intelligenz ÷ Kosten pro Coding-Session. Unterschiede unterhalb eines Schwellenwerts gelten als etwa gleich. Die Empfehlung gewichtet die Kennzahlen nach dem gewählten Schwerpunkt und dient nur zur Orientierung.