GQuick AI 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.
GQuick AIModelflare
Qué te importa más
Para la prioridad “Equilibrado”, elige Modelflare
GQuick AI27
Modelflare76
Motivos principales
Integridad25%
Integridad: faltan datos de al menos un intermediario
Disponibilidad20%
Disponibilidad: faltan datos de al menos un intermediario
Costo-beneficio20%
Modelflare da 62.2 puntos por unidad monetaria, un 393% más que GQuick AI (12.6)
Velocidad15%
Velocidad: faltan datos de al menos un intermediario
Precio15%
Modelflare cuesta ¥0.88 por sesión, un 80% menos que GQuick AI (¥4.32)
Caché5%
Caché: muy parecidos (GQuick AI 90%, Modelflare 90%)
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 ajustada54.554.5
Inteligencia conservadaSin verificarSin verificar
Aciertos en preguntasSin verificarSin verificar
Costo
Relación costo-beneficio12.662.2
Costo por sesión de programación¥4.32¥0.88
Precio de entrada¥2¥0.3984
Precio de salida¥8¥1.992
Descuento por caché90%90%
Rendimiento
Tiempo hasta el primer token——
Disponibilidad, últimas 24 horas——
Muestras——
Ruta
GrupoClaudeclaude-first-topup
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.