aruhub API 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
Gemini-vertex 官转
gemini-stable

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 dicekHargaCacheBelum dicekKetersediaanBelum dicek
aruhub APIModelflare

Apa yang paling penting bagi Anda

Seimbang: pilih aruhub API

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

aruhub API memberi 11.0 poin per satuan uang, 17% lebih banyak daripada Modelflare (9.37)

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

aruhub API berbiaya ¥2.80 per sesi, 15% lebih murah daripada Modelflare (¥3.29)

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

aruhub API

Lebih unggul
Harga¥2.80Efisiensi biaya11.0
Lebih lemah
Tidak ada selisih yang jelas

Modelflare

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Harga¥3.29Efisiensi biaya9.37

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 terkoreksi30.830.8
Kecerdasan tersisaBelum dicekBelum dicek
Akurasi jawabanBelum dicekBelum dicek

Biaya

Efisiensi biaya11.09.37
Biaya per sesi coding¥2.80¥3.29
Harga input¥1.275¥1.494
Harga output¥6.375¥7.47
Diskon cacheTidak diberikanTidak diberikan

Performa

Latensi token pertama—1.40 s
Ketersediaan, 24 jam terakhir—98.6%
Sampel—139

Rute

GrupGemini-vertex 官转gemini-stable
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.