Cloudbridge 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
Claude-core
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
CloudbridgeApiporter

Apa yang paling penting bagi Anda

Seimbang: pilih Apiporter

Alasan utama

Keaslian25%

Cloudbridge mempertahankan 75% kecerdasan model, sedangkan Apiporter 46%

Ketersediaan20%

Ketersediaan Apiporter dalam 24 jam terakhir 100.0%, sedangkan Cloudbridge 77.8%

Efisiensi biaya20%

Efisiensi biaya: tidak ada data untuk setidaknya satu relay

Kecepatan15%

Apiporter merespons dalam 2.17 s, 85% lebih cepat daripada Cloudbridge (14.16 s)

Harga15%

Harga: tidak ada data untuk setidaknya satu relay

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

Cloudbridge

Lebih unggul
Keaslian75%
Lebih lemah
Kecepatan14.16 sKetersediaan77.8%

Apiporter

Lebih unggul
Kecepatan2.17 sKetersediaan100.0%
Lebih lemah
Keaslian46%

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 terkoreksi37.423.0
Kecerdasan tersisa75%46%
Akurasi jawaban72% (18 soal)44% (18 soal)

Biaya

Efisiensi biaya——
Biaya per sesi coding——
Harga input——
Harga output——
Diskon cacheTidak diberikanTidak diberikan

Performa

Latensi token pertama14.16 s2.17 s
Ketersediaan, 24 jam terakhir77.8%100.0%
Sampel1818

Rute

GrupClaude-coreClaude_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.