Folkbench · Đánh giá và xếp hạng trạm trung chuyển API AItrong sử dụng thực tế
Đo lường AI

Nắm bức tranh các trạm trung chuyển và chọn đúng mô hình, đúng tuyến cho công việc của bạn

Khung dữ liệu: 24 giờ qua · đồng bộ mỗi 10 phút
OpenAI · 9 mô hìnhAnthropic · 13 mô hìnhDeepSeek · 5 mô hìnhxAI Grok · 4 mô hìnhKimi · 1 mô hìnhGoogle Gemini · 10 mô hìnhAlibaba Qwen · 3 mô hìnhZhipu GLM · 4 mô hìnhCác mô hình của cùng một hãng dùng chung một tông màu với sắc độ đậm nhạt khác nhau

Ứng dụng Switch

Do Folkbench phát triển
macOS · Windows
Đổi trạm và mô hình
ngay trên máy chỉ với một cú nhấp

Giám sát suy giảm mô hình

Mọi trạm trả lời cùng một bộ câu hỏi riêng; công bố nguyên tỷ lệ trả lời đúng, số token và dấu vân tay mô hình
Độ tin cậy · 17 thg 9

Đừng để con số khả dụng 99% đánh lừa: những sự cố trạm trung chuyển AI API chúng tôi đã gặp và cách chúng tôi kiểm tra độ ổn định

Bắt đầu từ phản hồi 200 giả, luồng bị cắt giữa chừng và tình trạng khựng về đêm, bài viết giải thích cách định nghĩa các chỉ số và bài kiểm tra độ ổn định thực sự quyết định trải nghiệm trên môi trường production.

Kỹ thuật phần mềm · 17 thg 9

Cách đánh giá trạm trung chuyển AI cho công việc kỹ thuật phần mềm

Các bài kiểm tra về sinh mã, chuỗi công cụ của agent, ngữ cảnh dài và hành vi giao thức cache khi một trạm trung chuyển nằm trong quy trình kỹ thuật phần mềm.

Đánh giá · 5 thg 10

Mô hình có thật sự bị “giảm trí”? Từ một ảnh chụp màn hình thất bại đến một phép so sánh đáng tin cậy

Một lần thất bại có thể chứng minh mô hình đã mắc lỗi, nhưng tự nó không chứng minh được mô hình mắc lỗi thường xuyên hơn trước. Bài viết này biến mối nghi ngờ ấy thành bằng chứng mà người khác có thể kiểm tra lại.

Hiệu quả chi phí

Xem tất cả trạm

Trí tuệ, chi phí và tỷ lệ khả dụng của các mô hình phổ biến tại từng trạm, do Folkbench đo độc lập

Trí tuệ so với chi phí mỗi phiên

Giá tại trạm · một phiên lập trình gồm 2 triệu token đầu vào + 40 nghìn token đầu ra, trên cùng hệ trục với API chính thức

Góc phần tư tối ưuĐường ParetoGPT 6 SolGPT 6 AstraDeepSeek V4.1 FlashClaude Fable 5.1GPT 6.1 SolClaude Opus 5.5Grok 4.7DeepSeek V4 Pro 0813GPT 5.6 LunaGemini 4 ArgonKimi K3DeepSeek V4 ProQwen 3.8 MaxClaude Opus 5GPT 5.6 TerraGrok 4.6Gemini 3.8 FlashGLM 5.3
102030405060¥0.03¥0.1¥0.3¥1¥3¥10¥30¥100Chỉ số trí tuệ (Artificial Analysis)Chi phí mỗi phiên lập trình (¥, thang logarit)GPT 5.6 Luna @ CheapAIGPT 5.6 Terra @ CheapAIDeepSeek V4.1 Flash @ YisamaAPIGPT 6.1 Sol @ ModelflareClaude Opus 5.5 @ 境Ai

Biên Pareto

Giá API chính thức

Gemini 4 CarbonTrí tuệ 60 · ¥59.6 / phiên
GPT 6.1 SolTrí tuệ 54.6 · ¥29.8 / phiên
GPT-6.1 TerraTrí tuệ 51.3 · ¥14.9 / phiên
Claude Haiku 5.5Trí tuệ 36.5 · ¥1.49 / phiên
Agnes 2.5 Pro ThetaTrí tuệ 24 · ¥1.44 / phiên
Nemotron 3.5 LightningTrí tuệ 5.5 · ¥0.87 / phiên

Giám sát suy giảm mô hình

Mở giám sát suy giảm

Mọi trạm trả lời cùng một bộ câu hỏi thăm dò danh tính cho cùng một mô hình; công bố nguyên dữ liệu về tỷ lệ khớp thăm dò, số token đầu vào và dấu vân tay mô hình

Giám sát suy giảm mô hình

Đặt câu hỏiMọi trạm trong cùng khung giờ nhận cùng một bộ câu hỏi thăm dò, mỗi lần diễn đạt khác đi
Đối chiếuCâu trả lời được đối chiếu với đáp án tham chiếu của mô hình
Chỉ số đoTỷ lệ khớp thăm dò, token đầu vào, token suy luận, dấu vân tay mô hình
Công bốCông bố nguyên số liệu, không đưa ra kết luận
Mô hình @ trạmKhớp thăm dòToken đầu vàoVân tay mô hìnhKhả dụngToken đầu tiênChi phí phiên
GPT 6 Sol@ Modelflare100%109–24,260GPT 6 Sol97.7%1.21 s¥0.44
DeepSeek V4.1 Flash@ Modelflare100%109–24,260DeepSeek V4.1 Flash98.2%1.31 s¥2.59
DeepSeek V4 Pro@ Modelflare100%109–24,260DeepSeek V4 Pro99.0%1.35 s¥11.4
Qwen 3.8 Max@ Modelflare100%109–24,260Qwen 3.8 Max98.0%1.06 s¥20.4
GPT 5.6 Sol@ Modelflare100%109–24,260GPT 5.6 Sol97.1%1.31 s¥1.12
GPT 5.6 Sol@ Modelflare100%109–24,260GPT 5.6 Sol97.8%1.84 s¥5.95
GPT 5.6 Sol@ Modelflare100%109–24,260GPT 5.6 Sol97.8%1.34 s¥37.2
GPT 5.6 Sol@ Modelflare100%109–24,260GPT 5.6 Sol98.1%1.24 s¥2.23