Сравнение Modelflare и IKunCode
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.
ModelflareIKunCode
Что для вас важнее
Приоритет «Баланс»: рекомендуем IKunCode
Modelflare27
IKunCode95
Основные причины
Подлинность25%
Подлинность: нет данных как минимум по одному прокси
Доступность20%
IKunCode: доступность 100.0% за последние 24 часа; Modelflare — 98.3%
Цена/качество20%
IKunCode: интеллект на единицу затрат — 27.9, на 143% больше, чем у Modelflare (11.5)
Скорость15%
Скорость: почти поровну — Modelflare 5.11 s, IKunCode 4.88 s
Цена15%
IKunCode стоит ¥1.27 за сессию — на 59% дешевле, чем Modelflare (¥3.10)
Кэш5%
Кэш: почти поровну — Modelflare 75%, IKunCode 75%
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 интеллект35.535.5
Сохранённый интеллект100%Не проверялся
Доля верных ответов97% (вопросов: 90)Не проверялся
Стоимость
Соотношение цены и качества11.527.9
Стоимость сессии программирования¥3.10¥1.27
Цена ввода¥1.4608¥0.6
Цена вывода¥4.3824¥1.8
Скидка за кэш75%75%
Производительность
Задержка первого токена5.11 s4.88 s
Доступность за последние 24 часа98.3%100.0%
Выборка17618
Маршрут
Группаgrok-stablegrok-heavy-test
Безопасность данныхУровень 4Уровень 0
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.