金石API 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.

Model
Kimi-Cyber
kimi-stable

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 dicekHargaCacheBelum dicekKetersediaanBelum dicek
金石APIModelflare

Apa yang paling penting bagi Anda

Seimbang: pilih 金石API

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

金石API memberi 1.58 poin per satuan uang, 160% lebih banyak daripada Modelflare (0.61)

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

金石API berbiaya ¥11.0 per sesi, 62% lebih murah daripada Modelflare (¥28.6)

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

金石API

Lebih unggul
Harga¥11.0Efisiensi biaya1.58
Lebih lemah
Tidak ada selisih yang jelas

Modelflare

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Harga¥28.6Efisiensi biaya0.61

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 biaya1.580.61
Biaya per sesi coding¥11.0¥28.6
Harga input¥5¥13
Harga output¥25¥64.999999999998
Diskon cacheTidak diberikanTidak diberikan

Performa

Latensi token pertama—1.16 s
Ketersediaan, 24 jam terakhir—97.5%
Sampel—122

Rute

GrupKimi-Cyberkimi-stable
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.