aruhub API 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.
aruhub APIModelflare
Qué te importa más
Para la prioridad “Equilibrado”, elige aruhub API
aruhub API100
Modelflare50
Motivos principales
Integridad25%
Integridad: faltan datos de al menos un intermediario
Disponibilidad20%
Disponibilidad: faltan datos de al menos un intermediario
Costo-beneficio20%
aruhub API da 11.0 puntos por unidad monetaria, un 17% más que Modelflare (9.37)
Velocidad15%
Velocidad: faltan datos de al menos un intermediario
Precio15%
aruhub API cuesta ¥2.80 por sesión, un 15% menos que Modelflare (¥3.29)
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 ajustada30.830.8
Inteligencia conservadaSin verificarSin verificar
Aciertos en preguntasSin verificarSin verificar
Costo
Relación costo-beneficio11.09.37
Costo por sesión de programación¥2.80¥3.29
Precio de entrada¥1.275¥1.494
Precio de salida¥6.375¥7.47
Descuento por cachéNo indicadoNo indicado
Rendimiento
Tiempo hasta el primer token—1.40 s
Disponibilidad, últimas 24 horas—98.6%
Muestras—139
Ruta
GrupoGemini-vertex 官转gemini-stable
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.