Zashmodel vs A6api

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
glm-value
marketplace

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
ZashmodelA6api

Apa yang paling penting bagi Anda

Seimbang: pilih Zashmodel

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

Zashmodel memberi 249 poin per satuan uang, 84% lebih banyak daripada A6api (136)

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

Zashmodel berbiaya ¥0.11 per sesi, 46% lebih murah daripada A6api (¥0.20)

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

Zashmodel

Lebih unggul
Harga¥0.11Efisiensi biaya249
Lebih lemah
Tidak ada selisih yang jelas

A6api

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Harga¥0.20Efisiensi biaya136

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 terkoreksi27.827.8
Kecerdasan tersisaBelum dicekBelum dicek
Akurasi jawabanBelum dicekBelum dicek

Biaya

Efisiensi biaya249136
Biaya per sesi coding¥0.11¥0.20
Harga input¥0.052239¥0.096008
Harga output¥0.175¥0.320026
Diskon cacheTidak diberikanTidak diberikan

Performa

Latensi token pertama——
Ketersediaan, 24 jam terakhir——
Sampel——

Rute

Grupglm-valuemarketplace
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.