Сравнение Sidrune AI и Modelflare
Одна модель на двух прокси: подлинность, скорость, цена, кэш и доступность, а также интеллект с поправкой на деградацию и соотношение цены и качества — с рекомендацией по выбранному приоритету.
Что выбрать
Пять параметров
Чем дальше от центра, тем лучше. Подлинность — это доля сохранённого интеллекта, остальные четыре параметра — места среди всех прокси этой модели.
Sidrune AIModelflare
Что для вас важнее
Приоритет «Баланс»: рекомендуем Modelflare
Sidrune AI40
Modelflare87
Основные причины
Подлинность25%
Подлинность: нет данных как минимум по одному прокси
Доступность20%
Доступность: нет данных как минимум по одному прокси
Цена/качество20%
Modelflare: интеллект на единицу затрат — 72.4, на 603% больше, чем у Sidrune AI (10.3)
Скорость15%
Скорость: нет данных как минимум по одному прокси
Цена15%
Modelflare стоит ¥0.45 за сессию — на 86% дешевле, чем Sidrune AI (¥3.14)
Кэш5%
Кэш: нет данных как минимум по одному прокси
Ключевые показатели
Скорректированный интеллект
Чем выше, тем лучше
Стоимость сессии программирования
2 млн токенов ввода + 40 тыс. токенов вывода · Чем ниже, тем лучше
Цена/качество
Баллов интеллекта за ¥1 · Чем выше, тем лучше
Все показатели
Интеллект
Скорректированный интеллект32.332.3
Сохранённый интеллектНе проверялся100%
Доля верных ответовНе проверялся90.0% (вопросов: 90)
Стоимость
Соотношение цены и качества10.372.4
Стоимость сессии программирования¥3.14¥0.45
Цена ввода¥1.4¥0.1992
Цена вывода¥8.399999999999999¥1.1952
Скидка за кэшНе указаноНе указано
Производительность
Задержка первого токена—1.04 s
Доступность за последние 24 часа—97.2%
Выборка—180
Маршрут
ГруппаGPT-Pro-高智稳定openai-first-topup
Безопасность данныхУровень 0Уровень 4
Скорректированный интеллект = опубликованный индекс интеллекта модели × сохранённый интеллект. Сохранённый интеллект = доля верных ответов прокси ÷ наибольшая доля верных ответов среди проверенных прокси той же модели; если вопросов меньше 10, поправка не применяется. Цена/качество = скорректированный интеллект ÷ стоимость сессии программирования. Разница ниже порогового значения считается несущественной. Рекомендация взвешивает метрики по выбранному приоритету и носит справочный характер.