A6api vs Modelflare

Satu model di dua relay: keaslian, kecepatan, harga, cache, dan ketersediaan, ditambah kecerdasan yang dikoreksi menurut degradasi model dan efisiensi biaya, dengan saran sesuai prioritas yang Anda pilih.

Model
marketplace
claude-award

Mana yang dipilih

Lima dimensi

Makin ke luar makin baik. Keaslian adalah porsi kecerdasan yang tersisa; empat dimensi lainnya adalah posisi di antara semua relay untuk model ini.
KeaslianBelum dicekKecepatanBelum dicekHargaCacheKetersediaanBelum dicek
A6apiModelflare

Apa yang paling penting bagi Anda

Seimbang: pilih A6api

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

A6api memberi 3.52 poin per satuan uang, 59% lebih banyak daripada Modelflare (2.21)

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

A6api berbiaya ¥18.3 per sesi, 37% lebih murah daripada Modelflare (¥29.2)

Cache5%

Modelflare memberi diskon 98% untuk input dari cache, sedangkan A6api 90%

A6api

Lebih unggul
Harga¥18.3Efisiensi biaya3.52
Lebih lemah
Cache90%

Modelflare

Lebih unggul
Cache98%
Lebih lemah
Harga¥29.2Efisiensi biaya2.21

Angka utama

Kecerdasan terkoreksi

Makin tinggi makin baik

Biaya per sesi coding

2 juta token input + 40 ribu token output · Makin rendah makin baik

Efisiensi biaya

Poin kecerdasan per ¥1 · Makin tinggi makin baik

Semua angka

Kecerdasan

Kecerdasan terkoreksi64.664.6
Kecerdasan tersisaBelum dicekBelum dicek
Akurasi jawabanBelum dicekBelum dicek

Biaya

Efisiensi biaya3.522.21
Biaya per sesi coding¥18.3¥29.2
Harga input¥8.33377¥13.28
Harga output¥41.668848¥66.4
Diskon cache90%98%

Performa

Latensi token pertama——
Ketersediaan, 24 jam terakhir——
Sampel——

Rute

Grupmarketplaceclaude-award
Keamanan dataLevel 0Level 4
Kecerdasan terkoreksi = indeks kecerdasan model yang dipublikasikan × kecerdasan tersisa. Kecerdasan tersisa = akurasi jawaban relay ÷ akurasi tertinggi di antara relay yang sudah dicek untuk model yang sama; jika kurang dari 10 soal, tidak dikoreksi. Efisiensi biaya = kecerdasan terkoreksi ÷ biaya per sesi coding. Selisih di bawah ambang dianggap hampir setara. Saran dihitung dengan memberi bobot pada metrik sesuai prioritas yang dipilih dan hanya sebagai panduan.