A6api vs. Modelflare
Un mismo modelo en dos intermediarios: integridad, velocidad, precio, caché y disponibilidad, más la inteligencia ajustada por degradación y la relación costo-beneficio, con una recomendación según tu prioridad.
Cuál elegir
Cinco dimensiones
Cuanto más afuera, mejor. La integridad es la parte de inteligencia conservada; las otras cuatro son posiciones entre todos los intermediarios del modelo.
A6apiModelflare
Qué te importa más
Para la prioridad “Equilibrado”, elige Modelflare
A6api50
Modelflare85
Motivos principales
Integridad25%
Integridad: faltan datos de al menos un intermediario
Disponibilidad20%
Modelflare estuvo disponible el 98.7% de las últimas 24 horas; A6api, el 83.3%
Costo-beneficio20%
Costo-beneficio: faltan datos de al menos un intermediario
Velocidad15%
Modelflare responde en 0.93 s, un 95% más rápido que A6api (19.34 s)
Precio15%
A6api cuesta ¥2.04 por sesión, un 94% menos que Modelflare (¥36.5)
Caché5%
Caché: faltan datos de al menos un intermediario
Cifras clave
Inteligencia ajustada
Cuanto más alto, mejor
Costo por sesión de programación
2M de tokens de entrada + 40k de salida · Cuanto más bajo, mejor
Costo-beneficio
Puntos de inteligencia por ¥1 · Cuanto más alto, mejor
Todas las cifras
Inteligencia
Inteligencia ajustada——
Inteligencia conservadaSin verificar100%
Aciertos en preguntasSin verificar100% (preguntas: 90)
Costo
Relación costo-beneficio——
Costo por sesión de programación¥2.04¥36.5
Precio de entrada¥1¥16.6
Precio de salida¥1¥83
Descuento por cachéNo indicadoNo indicado
Rendimiento
Tiempo hasta el primer token19.34 s0.93 s
Disponibilidad, últimas 24 horas83.3%98.7%
Muestras18153
Ruta
Grupo保真优先claude-award
Seguridad de datosNivel 0Nivel 4
Inteligencia ajustada = índice de inteligencia publicado del modelo × inteligencia conservada. Inteligencia conservada = tasa de aciertos del intermediario ÷ la mayor tasa de aciertos entre los intermediarios verificados del mismo modelo; con menos de 10 preguntas no se ajusta. Costo-beneficio = inteligencia ajustada ÷ costo por sesión de programación. Las diferencias por debajo de un umbral cuentan como parecidas. La recomendación pondera las métricas según la prioridad elegida y es solo orientativa.