Zashmodel 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
claude-steady
claude-first-topup

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
ZashmodelModelflare

Apa yang paling penting bagi Anda

Seimbang: pilih Modelflare

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan Modelflare dalam 24 jam terakhir 98.5%, sedangkan Zashmodel 66.7%

Efisiensi biaya20%

Efisiensi biaya hampir setara: Zashmodel 11.4, Modelflare 11.4

Kecepatan15%

Modelflare merespons dalam 1.34 s, 61% lebih cepat daripada Zashmodel (3.42 s)

Harga15%

Harga hampir setara: Zashmodel ¥4.40, Modelflare ¥4.38

Cache5%

Cache hampir setara: Zashmodel 98%, Modelflare 98%

Zashmodel

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Kecepatan3.42 sKetersediaan66.7%

Modelflare

Lebih unggul
Kecepatan1.34 sKetersediaan98.5%
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 terkoreksi50.050.0
Kecerdasan tersisaBelum dicek100%
Akurasi jawabanBelum dicek92.2% (90 soal)

Biaya

Efisiensi biaya11.411.4
Biaya per sesi coding¥4.40¥4.38
Harga input¥2¥1.992
Harga output¥10¥9.96
Diskon cache98%98%

Performa

Latensi token pertama3.42 s1.34 s
Ketersediaan, 24 jam terakhir66.7%98.5%
Sampel48197

Rute

Grupclaude-steadyclaude-first-topup
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.