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 A6api
A6api65
Modelflare10
Motivos principales
Integridad25%
Integridad: faltan datos de al menos un intermediario
Disponibilidad20%
Disponibilidad: faltan datos de al menos un intermediario
Costo-beneficio20%
A6api da 11.0 puntos por unidad monetaria, un 293% más que Modelflare (2.80)
Velocidad15%
Velocidad: faltan datos de al menos un intermediario
Precio15%
A6api cuesta ¥5.58 por sesión, un 75% menos que Modelflare (¥21.9)
Caché5%
Caché: muy parecidos (A6api 95%, Modelflare 95%)
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 ajustada61.461.4
Inteligencia conservadaSin verificarSin verificar
Aciertos en preguntasSin verificarSin verificar
Costo
Relación costo-beneficio11.02.80
Costo por sesión de programación¥5.58¥21.9
Precio de entrada¥2.537526¥9.96
Precio de salida¥12.68763¥49.8
Descuento por caché95%95%
Rendimiento
Tiempo hasta el primer token——
Disponibilidad, últimas 24 horas——
Muestras——
Ruta
Grupomarketplacegemini-premium
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.