金石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.
金石APIModelflare
Qué te importa más
Para la prioridad “Equilibrado”, elige 金石API
金石API98
Modelflare10
Motivos principales
Integridad25%
Integridad: faltan datos de al menos un intermediario
Disponibilidad20%
Disponibilidad: faltan datos de al menos un intermediario
Costo-beneficio20%
金石API da 23.3 puntos por unidad monetaria, un 730% más que Modelflare (2.80)
Velocidad15%
Velocidad: faltan datos de al menos un intermediario
Precio15%
金石API cuesta ¥2.64 por sesión, un 88% menos que Modelflare (¥21.9)
Caché5%
Caché: muy parecidos (金石API 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-beneficio23.32.80
Costo por sesión de programación¥2.64¥21.9
Precio de entrada¥1.2¥9.96
Precio de salida¥6¥49.8
Descuento por caché95%95%
Rendimiento
Tiempo hasta el primer token——
Disponibilidad, últimas 24 horas——
Muestras——
Ruta
GrupoGeminigemini-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.