IKunCode vs 智流 FluxLane
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.
IKunCode智流 FluxLane
Apa yang paling penting bagi Anda
Seimbang: pilih IKunCode
IKunCode88
智流 FluxLane73
Alasan utama
Keaslian25%
Keaslian hampir setara: IKunCode 85%, 智流 FluxLane 88%
Ketersediaan20%
Ketersediaan hampir setara: IKunCode 100.0%, 智流 FluxLane 100.0%
Efisiensi biaya20%
Efisiensi biaya: tidak ada data untuk setidaknya satu relay
Kecepatan15%
IKunCode merespons dalam 3.49 s, 64% lebih cepat daripada 智流 FluxLane (9.76 s)
Harga15%
Harga: tidak ada data untuk setidaknya satu relay
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 terkoreksi48.450.0
Kecerdasan tersisa85%88%
Akurasi jawaban82% (28 soal)85% (20 soal)
Biaya
Efisiensi biaya3.14—
Biaya per sesi coding¥15.4—
Harga input¥7—
Harga output¥35—
Diskon cache90%Tidak diberikan
Performa
Latensi token pertama3.49 s9.76 s
Ketersediaan, 24 jam terakhir100.0%100.0%
Sampel1831
Rute
GrupCodex-ProGPT-MAX｜满血专线
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.