ModelPod vs 破晓
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.
ModelPod破晓
Apa yang paling penting bagi Anda
Seimbang: pilih 破晓
ModelPod26
破晓94
Alasan utama
Keaslian25%
破晓 mempertahankan 92% kecerdasan model, sedangkan ModelPod 28%
Ketersediaan20%
Ketersediaan: tidak ada data untuk setidaknya satu relay
Efisiensi biaya20%
破晓 memberi 239 poin per satuan uang, 6533% lebih banyak daripada ModelPod (3.60)
Kecepatan15%
Kecepatan: tidak ada data untuk setidaknya satu relay
Harga15%
破晓 berbiaya ¥0.22 per sesi, 95% lebih murah daripada ModelPod (¥4.42)
Cache5%
Cache hampir setara: ModelPod 95%, 破晓 95%
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 terkoreksi15.952.5
Kecerdasan tersisa28%92%
Akurasi jawaban22.2% (18 soal)73.3% (30 soal)
Biaya
Efisiensi biaya3.60239
Biaya per sesi coding¥4.42¥0.22
Harga input¥2.01¥0.1
Harga output¥10.05¥0.5
Diskon cache95%95%
Performa
Latensi token pertama—2.66 s
Ketersediaan, 24 jam terakhir—100.0%
Sampel—48
Rute
Grupdefault【限时】Codex 双十一 不降智
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.