aicode 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.

Model
0035 DeepSeek 特惠专线
DS 国模之光

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 dicekKecepatanHargaCacheKetersediaan
aicode破晓

Apa yang paling penting bagi Anda

Seimbang: pilih aicode

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan hampir setara: aicode 100.0%, 破晓 100.0%

Efisiensi biaya20%

aicode memberi 216 poin per satuan uang, 757% lebih banyak daripada 破晓 (25.2)

Kecepatan15%

破晓 merespons dalam 2.09 s, 35% lebih cepat daripada aicode (3.21 s)

Harga15%

aicode berbiaya ¥0.15 per sesi, 88% lebih murah daripada 破晓 (¥1.30)

Cache5%

Cache hampir setara: aicode 98%, 破晓 98%

aicode

Lebih unggul
Harga¥0.15Efisiensi biaya216
Lebih lemah
Kecepatan3.21 s

破晓

Lebih unggul
Kecepatan2.09 s
Lebih lemah
Harga¥1.30Efisiensi biaya25.2

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 terkoreksi32.632.6
Kecerdasan tersisaBelum dicekBelum dicek
Akurasi jawabanBelum dicekBelum dicek

Biaya

Efisiensi biaya21625.2
Biaya per sesi coding¥0.15¥1.30
Harga input¥0.07¥0.6
Harga output¥0.28¥2.4
Diskon cache98%98%

Performa

Latensi token pertama3.21 s2.09 s
Ketersediaan, 24 jam terakhir100.0%100.0%
Sampel2129

Rute

Grup0035 DeepSeek 特惠专线DS 国模之光
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.