Zashmodel 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
gpt-prime
【限时】Codex 双十一 不降智

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.
KeaslianKecepatanBelum dicekHargaBelum dicekCacheBelum dicekKetersediaanBelum dicek
Zashmodel破晓

Apa yang paling penting bagi Anda

Seimbang: pilih 破晓

Alasan utama

Keaslian25%

破晓 mempertahankan 92% kecerdasan model, sedangkan Zashmodel 25%

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

Efisiensi biaya: tidak ada data untuk setidaknya satu relay

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

Harga: tidak ada data untuk setidaknya satu relay

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

Zashmodel

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Keaslian25%

破晓

Lebih unggul
Keaslian92%
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 terkoreksi14.352.5
Kecerdasan tersisa25%92%
Akurasi jawaban20.0% (30 soal)73.3% (30 soal)

Biaya

Efisiensi biaya—239
Biaya per sesi coding—¥0.22
Harga input—¥0.1
Harga output—¥0.5
Diskon cacheTidak diberikan95%

Performa

Latensi token pertama—2.66 s
Ketersediaan, 24 jam terakhir—100.0%
Sampel—48

Rute

Grupgpt-prime【限时】Codex 双十一 不降智
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.