Modelflare 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-award
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
ModelflareA6api

Apa yang paling penting bagi Anda

Seimbang: pilih A6api

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

A6api memberi 136 poin per satuan uang, 193% lebih banyak daripada Modelflare (46.4)

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

A6api berbiaya ¥0.20 per sesi, 66% lebih murah daripada Modelflare (¥0.60)

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

Modelflare

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Harga¥0.60Efisiensi biaya46.4

A6api

Lebih unggul
Harga¥0.20Efisiensi biaya136
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 terkoreksi27.827.8
Kecerdasan tersisa100%Belum dicek
Akurasi jawaban94.4% (90 soal)Belum dicek

Biaya

Efisiensi biaya46.4136
Biaya per sesi coding¥0.60¥0.20
Harga input¥0.28¥0.096008
Harga output¥0.98¥0.320026
Diskon cacheTidak diberikanTidak diberikan

Performa

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

Rute

Grupglm-awardmarketplace
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.