aicode 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
040 gemini专线2
gemini-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 dicekHargaCacheKetersediaanBelum dicek
aicodeModelflare

Apa yang paling penting bagi Anda

Seimbang: pilih aicode

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

aicode memberi 46.7 poin per satuan uang, 398% lebih banyak daripada Modelflare (9.37)

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

aicode berbiaya ¥0.66 per sesi, 80% lebih murah daripada Modelflare (¥3.29)

Cache5%

Cache hampir setara: aicode 90%, Modelflare 90%

aicode

Lebih unggul
Harga¥0.66Efisiensi biaya46.7
Lebih lemah
Tidak ada selisih yang jelas

Modelflare

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Harga¥3.29Efisiensi biaya9.37

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 terkoreksi30.830.8
Kecerdasan tersisaBelum dicekBelum dicek
Akurasi jawabanBelum dicekBelum dicek

Biaya

Efisiensi biaya46.79.37
Biaya per sesi coding¥0.66¥3.29
Harga input¥0.3¥1.494
Harga output¥1.5¥7.47
Diskon cache90%90%

Performa

Latensi token pertama—1.40 s
Ketersediaan, 24 jam terakhir—97.2%
Sampel—108

Rute

Grup040 gemini专线2gemini-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.