CheapAI 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.
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.
CheapAIModelflare
Apa yang paling penting bagi Anda
Seimbang: pilih Modelflare
CheapAI48
Modelflare67
Alasan utama
Keaslian25%
Keaslian: tidak ada data untuk setidaknya satu relay
Ketersediaan20%
Ketersediaan Modelflare dalam 24 jam terakhir 98.0%, sedangkan CheapAI 77.4%
Efisiensi biaya20%
CheapAI memberi 3.95 poin per satuan uang, 550% lebih banyak daripada Modelflare (0.61)
Kecepatan15%
Modelflare merespons dalam 1.16 s, 62% lebih cepat daripada CheapAI (3.02 s)
Harga15%
CheapAI berbiaya ¥4.40 per sesi, 85% lebih murah daripada Modelflare (¥28.6)
Cache5%
Cache: tidak ada data untuk setidaknya satu relay
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 terkoreksi17.417.4
Kecerdasan tersisaBelum dicek100%
Akurasi jawabanBelum dicek97% (90 soal)
Biaya
Efisiensi biaya3.950.61
Biaya per sesi coding¥4.40¥28.6
Harga input¥2¥13
Harga output¥10¥64.999999999998
Diskon cacheTidak diberikanTidak diberikan
Performa
Latensi token pertama3.02 s1.16 s
Ketersediaan, 24 jam terakhir77.4%98.0%
Sampel31198
Rute
Grup国产模型-全网最低kimi-stable
Keamanan dataLevel 3Level 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.