Ember-1 (low) vs GLM 5.3 FlashX (medium)

Verglichene Modelle

Empfohlenes Modell GLM 5.3 FlashX (medium)

Es hat hier die beste Punktzahl (7.1) und kostet etwa 13.1x weniger als Ember-1 (low).

Metrik	Ember-1 Ember-1 low Veröffentlichung: 2026-09-28	GLM 5.3 FlashX GLM 5.3 FlashX medium Veröffentlichung: 2026-09-21

Metrik	Ember-1 Ember-1 low Veröffentlichung: 2026-09-28	GLM 5.3 FlashX GLM 5.3 FlashX medium Veröffentlichung: 2026-09-21
Punktzahl	7.0	7.1
Rang	#157	#150
Zuverlässigkeit	8.8	10.0
Konsistenz	8.2	7.1
Versuche	69/69	69/69
Korrekte Tests
Erfolgsquote pro Versuch	65.2%	69.6%
Instabile Tests	5	8
Gesamtläufe	69	69
Kosten pro Ergebnis	11.441	0.946
Gesamtkosten	$1.488	$0.114
Eingabepreis	$3.000 / 1M	$0.370 / 1M
Ausgabepreis	$15.000 / 1M	$1.250 / 1M
Gesamte Eingabe-Token	211,908	205,100
Ausgabe-Token	14,158	8,639
Denk-Token	42,608	21,409
Antwortzeit (Durchschnitt)	34.90s	7.37s
Antwortzeit (Maximum)	121.29s	74.39s
Antwortzeit (Gesamt)	802.79s	169.54s
Parameter	~2.8T insgesamt (~104B aktiv)	320B insgesamt (18B aktiv)
Verfügbarkeit	Geschlossen	Geschlossen

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

low

medium

Kategorie:

Agentenaufgaben	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	4.7	3.1	33.3%	1		121.29s	178,897	9,378	9,921
GLM 5.3 FlashX	10.0	10.0	100.0%	0		74.39s	120,771	922	9,693

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	8.2	7.9	83.3%	1		22.18s	1,402	571	613
GLM 5.3 FlashX	7.3	5.8	83.3%	2		1.71s	639	343	368

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	10.0	10.0	100.0%	0		37.91s	8,097	2,518	13,142
GLM 5.3 FlashX	6.0	4.6	66.7%	2		6.37s	7,317	384	5,562

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	6.5	10.0	50.0%	0		51.45s	12,828	381	689
GLM 5.3 FlashX	2.8	1.6	33.3%	2		15.97s	59,549	5,920	2,786

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	7.3	5.9	83.3%	1		34.82s	6,076	223	778
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.74s	7,149	210	134

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	2.9	7.2	11.1%	1		56.17s	1,154	234	12,476
GLM 5.3 FlashX	3.6	7.2	22.2%	1		3.52s	759	38	2,005

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	10.0	10.0	100.0%	0		5.67s	744	139	462
GLM 5.3 FlashX	3.4	2.2	33.3%	1		1.79s	498	135	0

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	6.2	5.8	66.7%	1		32.73s	781	121	466
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.51s	678	72	70

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	10.0	10.0	100.0%	0		3.27s	1,452	393	595
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.84s	672	306	371

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	3.0	10.0	0.0%	0		26.43s	0	0	0
GLM 5.3 FlashX	10.0	10.0	100.0%	0		10.30s	6,861	231	20

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Ember-1	3.0	10.0	0.0%	0		30.60s	477	200	3,466
GLM 5.3 FlashX	3.0	10.0	0.0%	0		2.60s	207	78	400

Vergleichspaar wechseln