Modelflare 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
grok-stable
grok-heavy-test

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 dicekKecepatanHargaCacheBelum dicekKetersediaan
ModelflareIKunCode

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 Modelflare 98.5%

Efisiensi biaya20%

IKunCode memberi 24.4 poin per satuan uang, 143% lebih banyak daripada Modelflare (10.0)

Kecepatan15%

IKunCode merespons dalam 4.13 s, 33% lebih cepat daripada Modelflare (6.17 s)

Harga15%

IKunCode berbiaya ¥1.27 per sesi, 59% lebih murah daripada Modelflare (¥3.10)

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

Modelflare

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Kecepatan6.17 sHarga¥3.10Ketersediaan98.5%Efisiensi biaya10.0

IKunCode

Lebih unggul
Kecepatan4.13 sHarga¥1.27Ketersediaan100.0%Efisiensi biaya24.4
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 terkoreksi31.031.0
Kecerdasan tersisa100%Belum dicek
Akurasi jawaban97% (90 soal)Belum dicek

Biaya

Efisiensi biaya10.024.4
Biaya per sesi coding¥3.10¥1.27
Harga input¥1.4608¥0.6
Harga output¥4.3824¥1.8
Diskon cacheTidak diberikanTidak diberikan

Performa

Latensi token pertama6.17 s4.13 s
Ketersediaan, 24 jam terakhir98.5%100.0%
Sampel19718

Rute

Grupgrok-stablegrok-heavy-test
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.