Modelflare 对比 IKunCode
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。
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。
ModelflareIKunCode
你更看重什么
综合优先，建议选 Modelflare
Modelflare71
IKunCode61
主要依据
真实性25%
Modelflare 保留了 100% 的模型智能，IKunCode 为 34%
可用性20%
IKunCode 近 24 小时可用率 100.0%，Modelflare 为 97.7%
性价比20%
性价比：至少一家暂无数据
速度15%
Modelflare 首字延迟 1.77 s，比 IKunCode 的 2.88 s 快 38%
价格15%
IKunCode 每次会话 ¥4.40，比 Modelflare 的 ¥7.30 便宜 40%
缓存5%
缓存：至少一家暂无数据
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——
智能保留100%34%
题目正确率97%（90 题）33%（18 题）
成本
性价比——
每次编程会话成本¥7.30¥4.40
输入价格¥3.32¥2
输出价格¥16.6¥10
缓存折扣未提供未提供
性能
首字延迟1.77 s2.88 s
近 24 小时可用率97.7%100.0%
样本数13018
线路
分组claude-awardcc-kiro
数据安全4 级0 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。