Modelflare vs Apiporter

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-first-topup
Claude_core

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.
KeaslianKecepatanHargaBelum dicekCacheBelum dicekKetersediaan
ModelflareApiporter

Apa yang paling penting bagi Anda

Seimbang: pilih Modelflare

Alasan utama

Keaslian25%

Modelflare mempertahankan 97% kecerdasan model, sedangkan Apiporter 39%

Ketersediaan20%

Ketersediaan Apiporter dalam 24 jam terakhir 100.0%, sedangkan Modelflare 97.3%

Efisiensi biaya20%

Efisiensi biaya: tidak ada data untuk setidaknya satu relay

Kecepatan15%

Modelflare merespons dalam 1.57 s, 23% lebih cepat daripada Apiporter (2.03 s)

Harga15%

Harga: tidak ada data untuk setidaknya satu relay

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

Modelflare

Lebih unggul
Keaslian97%Kecepatan1.57 s
Lebih lemah
Ketersediaan97.3%

Apiporter

Lebih unggul
Ketersediaan100.0%
Lebih lemah
Keaslian39%Kecepatan2.03 s

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 terkoreksi57.123.0
Kecerdasan tersisa97%39%
Akurasi jawaban97% (90 soal)39% (18 soal)

Biaya

Efisiensi biaya32.6—
Biaya per sesi coding¥1.75—
Harga input¥0.7968—
Harga output¥3.984—
Diskon cache95%Tidak diberikan

Performa

Latensi token pertama1.57 s2.03 s
Ketersediaan, 24 jam terakhir97.3%100.0%
Sampel14618

Rute

Grupclaude-first-topupClaude_core
Keamanan dataLevel 4Level 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.