NexoToken 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
Claude Pro Max
cc-kiro

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
NexoTokenIKunCode

Apa yang paling penting bagi Anda

Seimbang: pilih IKunCode

Alasan utama

Keaslian25%

NexoToken mempertahankan 86% kecerdasan model, sedangkan IKunCode 34%

Ketersediaan20%

Ketersediaan IKunCode dalam 24 jam terakhir 100.0%, sedangkan NexoToken 96.7%

Efisiensi biaya20%

Efisiensi biaya: tidak ada data untuk setidaknya satu relay

Kecepatan15%

IKunCode merespons dalam 2.88 s, 56% lebih cepat daripada NexoToken (6.55 s)

Harga15%

Harga: tidak ada data untuk setidaknya satu relay

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

NexoToken

Lebih unggul
Keaslian86%
Lebih lemah
Kecepatan6.55 sKetersediaan96.7%

IKunCode

Lebih unggul
Kecepatan2.88 sKetersediaan100.0%
Lebih lemah
Keaslian34%

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 terkoreksi——
Kecerdasan tersisa86%34%
Akurasi jawaban83% (18 soal)33% (18 soal)

Biaya

Efisiensi biaya——
Biaya per sesi coding—¥4.40
Harga input—¥2
Harga output—¥10
Diskon cacheTidak diberikanTidak diberikan

Performa

Latensi token pertama6.55 s2.88 s
Ketersediaan, 24 jam terakhir96.7%100.0%
Sampel3018

Rute

GrupClaude Pro Maxcc-kiro
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.