A6api vs Apiporter

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
保真优先
Claude_core

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.
KeaslianKecepatanHargaBelum dicekCacheBelum dicekKetersediaan
A6apiApiporter

Apa yang paling penting bagi Anda

Seimbang: pilih Apiporter

Alasan utama

Keaslian25%

Apiporter mempertahankan 39% kecerdasan model, sedangkan A6api 28%

Ketersediaan20%

Ketersediaan Apiporter dalam 24 jam terakhir 100.0%, sedangkan A6api 88.9%

Efisiensi biaya20%

Efisiensi biaya: tidak ada data untuk setidaknya satu relay

Kecepatan15%

Apiporter merespons dalam 2.03 s, 87% lebih cepat daripada A6api (15.94 s)

Harga15%

Harga: tidak ada data untuk setidaknya satu relay

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

A6api

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Keaslian28%Kecepatan15.94 sKetersediaan88.9%

Apiporter

Lebih unggul
Keaslian39%Kecepatan2.03 sKetersediaan100.0%
Lebih lemah
Tidak ada selisih yang jelas

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 terkoreksi16.423.0
Kecerdasan tersisa28%39%
Akurasi jawaban28% (18 soal)39% (18 soal)

Biaya

Efisiensi biaya8.05—
Biaya per sesi coding¥2.04—
Harga input¥1—
Harga output¥1—
Diskon cache0%Tidak diberikan

Performa

Latensi token pertama15.94 s2.03 s
Ketersediaan, 24 jam terakhir88.9%100.0%
Sampel1818

Rute

Grup保真优先Claude_core
Keamanan dataLevel 0Level 0
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.