yukinahub vs. Modelflare
Um mesmo modelo em duas revendas: autenticidade, velocidade, preço, cache e disponibilidade, além da inteligência ajustada pela degradação e do custo-benefício, com recomendações para a prioridade que você escolher.
Qual escolher
Cinco dimensões
Quanto mais para fora, melhor. A autenticidade é a proporção de inteligência retida; as outras quatro são posições entre todas as revendas deste modelo.
yukinahubModelflare
O que importa mais para você
Para a prioridade “Equilibrado”, escolha yukinahub
yukinahub100
Modelflare87
Principais motivos
Autenticidade25%
Autenticidade: sem dados de pelo menos uma revenda
Disponibilidade20%
Disponibilidade: sem dados de pelo menos uma revenda
Custo-benefício20%
yukinahub entrega 144 pontos por unidade monetária, 99% a mais que Modelflare (72.4)
Velocidade15%
Velocidade: sem dados de pelo menos uma revenda
Preço15%
yukinahub custa ¥0.22 por sessão, 50% menos que Modelflare (¥0.45)
Cache5%
Cache: sem dados de pelo menos uma revenda
Indicadores-chave
Inteligência ajustada
Quanto maior, melhor
Custo por sessão de programação
2 milhões de tokens de entrada + 40 mil de saída · Quanto menor, melhor
Custo-benefício
Pontos de inteligência por ¥1 · Quanto maior, melhor
Todos os números
Inteligência
Inteligência ajustada32.332.3
Inteligência retidaAguardando teste100%
Taxa de acerto nas questõesAguardando teste90.0% (90 questões)
Custo
Custo-benefício14472.4
Custo por sessão de programação¥0.22¥0.45
Preço de entrada¥0.1¥0.1992
Preço de saída¥0.6¥1.1952
Desconto de cacheNão informadoNão informado
Desempenho
Tempo até o primeiro token—1.04 s
Disponibilidade nas últimas 24 h—97.2%
Amostras—180
Rota
Grupo低价池号openai-first-topup
Segurança de dadosNível 0Nível 4
Inteligência ajustada = Índice de Inteligência publicado do modelo × inteligência retida. Inteligência retida = taxa de acerto nas questões da revenda ÷ a maior taxa de acerto entre as revendas verificadas do mesmo modelo; com menos de 10 questões, não há ajuste. Custo-benefício = inteligência ajustada ÷ custo por sessão de programação. Diferenças abaixo de um limite contam como empate. A recomendação pondera as métricas conforme a prioridade escolhida e serve apenas como referência.