Cloudbridge 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
Grok-flex
grok-heavy-test

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 dicekKecepatanHargaBelum dicekCacheBelum dicekKetersediaan
CloudbridgeIKunCode

Apa yang paling penting bagi Anda

Seimbang: pilih Cloudbridge

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan hampir setara: Cloudbridge 100.0%, IKunCode 100.0%

Efisiensi biaya20%

Efisiensi biaya: tidak ada data untuk setidaknya satu relay

Kecepatan15%

Cloudbridge merespons dalam 3.31 s, 32% lebih cepat daripada IKunCode (4.88 s)

Harga15%

Harga: tidak ada data untuk setidaknya satu relay

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

Cloudbridge

Lebih unggul
Kecepatan3.31 s
Lebih lemah
Tidak ada selisih yang jelas

IKunCode

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Kecepatan4.88 s

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 terkoreksi35.535.5
Kecerdasan tersisaBelum dicekBelum dicek
Akurasi jawabanBelum dicekBelum dicek

Biaya

Efisiensi biaya—27.9
Biaya per sesi coding—¥1.27
Harga input—¥0.6
Harga output—¥1.8
Diskon cacheTidak diberikan75%

Performa

Latensi token pertama3.31 s4.88 s
Ketersediaan, 24 jam terakhir100.0%100.0%
Sampel1818

Rute

GrupGrok-flexgrok-heavy-test
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.