CheapAI vs IKunCode

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
国产模型-低价高缓存
kimi

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
CheapAIIKunCode

Apa yang paling penting bagi Anda

Seimbang: pilih CheapAI

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

CheapAI memberi 8.10 poin per satuan uang, 390% lebih banyak daripada IKunCode (1.65)

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

CheapAI berbiaya ¥5.74 per sesi, 80% lebih murah daripada IKunCode (¥28.1)

Cache5%

Cache hampir setara: CheapAI 90%, IKunCode 90%

CheapAI

Lebih unggul
Harga¥5.74Efisiensi biaya8.10
Lebih lemah
Tidak ada selisih yang jelas

IKunCode

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Harga¥28.1Efisiensi biaya1.65

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 terkoreksi46.546.5
Kecerdasan tersisaBelum dicekBelum dicek
Akurasi jawabanBelum dicekBelum dicek

Biaya

Efisiensi biaya8.101.65
Biaya per sesi coding¥5.74¥28.1
Harga input¥2.6¥12.74
Harga output¥13.6¥66.64
Diskon cache90%90%

Performa

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

Rute

Grup国产模型-低价高缓存kimi
Keamanan dataLevel 3Level 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.