ModelPod 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
default
grok-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
ModelPodModelflare

Apa yang paling penting bagi Anda

Seimbang: pilih Modelflare

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

Modelflare memberi 10.0 poin per satuan uang, 38% lebih banyak daripada ModelPod (7.27)

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

Modelflare berbiaya ¥3.10 per sesi, 27% lebih murah daripada ModelPod (¥4.26)

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

ModelPod

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Harga¥4.26Efisiensi biaya7.27

Modelflare

Lebih unggul
Harga¥3.10Efisiensi biaya10.0
Lebih lemah
Tidak ada selisih yang jelas

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 terkoreksi31.031.0
Kecerdasan tersisaBelum dicek100%
Akurasi jawabanBelum dicek91% (90 soal)

Biaya

Efisiensi biaya7.2710.0
Biaya per sesi coding¥4.26¥3.10
Harga input¥2.01¥1.4608
Harga output¥6.03¥4.3824
Diskon cacheTidak diberikanTidak diberikan

Performa

Latensi token pertama—1.84 s
Ketersediaan, 24 jam terakhir—98.5%
Sampel—138

Rute

Grupdefaultgrok-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.