Modelflare vs. IKunCode
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.
ModelflareIKunCode
Qué te importa más
Para la prioridad “Equilibrado”, los dos están muy cerca
Modelflare98
IKunCode100
Motivos principales
Integridad25%
Integridad: muy parecidos (Modelflare 98%, IKunCode 100%)
Disponibilidad20%
Disponibilidad: faltan datos de al menos un intermediario
Costo-beneficio20%
Costo-beneficio: faltan datos de al menos un intermediario
Velocidad15%
Velocidad: faltan datos de al menos un intermediario
Precio15%
Precio: faltan datos de al menos un intermediario
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 ajustada35.736.5
Inteligencia conservada98%100%
Aciertos en preguntas98% (preguntas: 90)100% (preguntas: 54)
Costo
Relación costo-beneficio——
Costo por sesión de programación——
Precio de entrada——
Precio de salida——
Descuento por cachéNo indicadoNo indicado
Rendimiento
Tiempo hasta el primer token0.94 s—
Disponibilidad, últimas 24 horas98.0%—
Muestras200—
Ruta
Grupoclaude-first-topupcc-kiro
Seguridad de datosNivel 4Nivel 0
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.