Zashmodel vs IKunCode

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
Codex-Pro

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 dicekKecepatanHargaBelum dicekCacheBelum dicekKetersediaan
ZashmodelIKunCode

Apa yang paling penting bagi Anda

Seimbang: pilih IKunCode

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan IKunCode dalam 24 jam terakhir 100.0%, sedangkan Zashmodel 97.7%

Efisiensi biaya20%

Efisiensi biaya: tidak ada data untuk setidaknya satu relay

Kecepatan15%

Kecepatan hampir setara: Zashmodel 4.98 s, IKunCode 4.77 s

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
Ketersediaan97.7%

IKunCode

Lebih unggul
Ketersediaan100.0%
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 terkoreksi56.943.2
Kecerdasan tersisaBelum dicek76%
Akurasi jawabanBelum dicek70.0% (30 soal)

Biaya

Efisiensi biaya—2.80
Biaya per sesi coding—¥15.4
Harga input—¥7
Harga output—¥35
Diskon cacheTidak diberikan90%

Performa

Latensi token pertama4.98 s4.77 s
Ketersediaan, 24 jam terakhir97.7%100.0%
Sampel4348

Rute

Grupgpt-primeCodex-Pro
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.