Modelflare vs. NexoToken
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.
ModelflareNexoToken
Qué te importa más
Para la prioridad “Equilibrado”, elige NexoToken
Modelflare43
NexoToken57
Motivos principales
Integridad25%
Integridad: faltan datos de al menos un intermediario
Disponibilidad20%
NexoToken estuvo disponible el 100.0% de las últimas 24 horas; Modelflare, el 97.9%
Costo-beneficio20%
Costo-beneficio: faltan datos de al menos un intermediario
Velocidad15%
Modelflare responde en 1.04 s, un 92% más rápido que NexoToken (12.37 s)
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 ajustada32.332.3
Inteligencia conservada100%Sin verificar
Aciertos en preguntas97% (preguntas: 90)Sin verificar
Costo
Relación costo-beneficio72.4—
Costo por sesión de programación¥0.45—
Precio de entrada¥0.1992—
Precio de salida¥1.1952—
Descuento por cachéNo indicadoNo indicado
Rendimiento
Tiempo hasta el primer token1.04 s12.37 s
Disponibilidad, últimas 24 horas97.9%100.0%
Muestras14130
Ruta
Grupoopenai-first-topupGPT·Codex Pro稳定分组
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.