Zashmodel 对比 Modelflare

同一个模型在两家中转站的真实性、速度、价格、缓存和可用性,加上按降智情况折算的智能值与性价比,并按你的侧重点给出建议。

模型
claude-steady
claude-first-topup

选站建议

五维对比

越靠外越好。真实性按智能保留比例计,其余四项按在同模型全部中转站里的名次计。
真实性待检测速度价格缓存可用性
ZashmodelModelflare

你更看重什么

综合优先,建议选 Modelflare

主要依据

真实性25%

真实性:至少一家暂无数据

可用性20%

Modelflare 近 24 小时可用率 98.5%,Zashmodel 为 66.7%

性价比20%

性价比接近:Zashmodel 11.4,Modelflare 11.4

速度15%

Modelflare 首字延迟 1.34 s,比 Zashmodel 的 3.42 s 快 61%

价格15%

价格接近:Zashmodel ¥4.40,Modelflare ¥4.38

缓存5%

缓存接近:Zashmodel 98%,Modelflare 98%

Zashmodel

优势
没有明显差距
劣势
速度3.42 s可用性66.7%

Modelflare

优势
速度1.34 s可用性98.5%
劣势
没有明显差距

关键指标

折算智能值

越高越好

每次编程会话成本

200 万输入 + 4 万输出 token · 越低越好

性价比

每 ¥1 买到的智能分 · 越高越好

逐项数据

智能

折算智能值50.050.0
智能保留待检测100%
题目正确率待检测92.2%(90 题)

成本

性价比11.411.4
每次编程会话成本¥4.40¥4.38
输入价格¥2¥1.992
输出价格¥10¥9.96
缓存折扣98%98%

性能

首字延迟3.42 s1.34 s
近 24 小时可用率66.7%98.5%
样本数48197

线路

分组claude-steadyclaude-first-topup
数据安全0 级4 级
折算智能值 = 模型公开智能指数 × 智能保留;智能保留 = 该中转站的题目正确率 ÷ 同模型已检测中转站里的最高正确率,题目不足 10 道时不折算。性价比 = 折算智能值 ÷ 每次编程会话成本。差距小于阈值时记为接近。建议按所选侧重点的权重加权得出,仅供参考。