Modelflare vs. 智流 FluxLane
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.
Modelflare智流 FluxLane
O que importa mais para você
Para a prioridade “Equilibrado”, as duas ficam muito próximas
Modelflare74
智流 FluxLane73
Principais motivos
Autenticidade25%
Modelflare retém 100% da inteligência do modelo; 智流 FluxLane, 88%
Disponibilidade20%
智流 FluxLane teve 100.0% de disponibilidade nas últimas 24 horas; Modelflare, 98.5%
Custo-benefício20%
Custo-benefício: sem dados de pelo menos uma revenda
Velocidade15%
Modelflare responde em 1.33 s, 86% mais rápido que 智流 FluxLane (9.76 s)
Preço15%
Preço: sem dados de pelo menos uma revenda
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 ajustada56.950.0
Inteligência retida100%88%
Taxa de acerto nas questões97% (90 questões)85% (20 questões)
Custo
Custo-benefício26.0—
Custo por sessão de programação¥2.19—
Preço de entrada¥0.996—
Preço de saída¥4.98—
Desconto de cache90%Não informado
Desempenho
Tempo até o primeiro token1.33 s9.76 s
Disponibilidade nas últimas 24 h98.5%100.0%
Amostras13531
Rota
Grupoopenai-first-topupGPT-MAX|满血专线
Segurança de dadosNível 4Nível 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.