Zashmodel 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.
ZashmodelModelflare
Qué te importa más
Para la prioridad “Equilibrado”, elige Zashmodel
Zashmodel87
Modelflare44
Motivos principales
Integridad25%
Integridad: faltan datos de al menos un intermediario
Disponibilidad20%
Zashmodel estuvo disponible el 100.0% de las últimas 24 horas; Modelflare, el 99.0%
Costo-beneficio20%
Zashmodel da 14.4 puntos por unidad monetaria, un 493% más que Modelflare (2.42)
Velocidad15%
Modelflare responde en 1.21 s, un 63% más rápido que Zashmodel (3.30 s)
Precio15%
Zashmodel cuesta ¥3.08 por sesión, un 83% menos que Modelflare (¥18.3)
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 ajustada44.244.2
Inteligencia conservadaSin verificar100%
Aciertos en preguntasSin verificar93.3% (preguntas: 90)
Costo
Relación costo-beneficio14.42.42
Costo por sesión de programación¥3.08¥18.3
Precio de entrada¥1.4¥8.3
Precio de salida¥7¥41.5
Descuento por cachéNo indicadoNo indicado
Rendimiento
Tiempo hasta el primer token3.30 s1.21 s
Disponibilidad, últimas 24 horas100.0%99.0%
Muestras8190
Ruta
Grupoclaude-primeclaude-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.