Ember-1 (max) vs Grok Build 0.1 (medium)

Modelos comparados

Modelo recomendado Grok Build 0.1 (medium)

Tiene la mejor puntuación aquí (6.7) y cuesta aproximadamente 2.3x menos que Ember-1 (max).

Métrica	Ember-1 Ember-1 max Lanzamiento: 2026-09-28	Grok Build 0.1 Grok Build 0.1 medium Lanzamiento: 2026-05-21

Métrica	Ember-1 Ember-1 max Lanzamiento: 2026-09-28	Grok Build 0.1 Grok Build 0.1 medium Lanzamiento: 2026-05-21
Puntuación	6.7	6.7
Rango	#181	#176
Fiabilidad	8.3	10.0
Consistencia	7.8	9.6
Intentos	69/69	69/69
Pruebas correctas
Tasa de aciertos por intento	59.4%	58.0%
Pruebas inestables	6	1
Ejecuciones totales	69	69
Costo por resultado	29.671	10.910
Costo total	$3.264	$1.419
Precio de entrada	$3.000 / 1M	$1.000 / 1M
Precio de salida	$15.000 / 1M	$2.000 / 1M
Total de tokens de entrada	153,399	358,616
Tokens de salida	7,803	9,651
Tokens de razonamiento	179,098	520,155
Tiempo de respuesta (promedio)	97.34s	55.13s
Tiempo de respuesta (máximo)	587.08s	252.69s
Tiempo de respuesta (total)	2238.73s	1268.10s
Parámetros	~2.8T en total (~104B activos)	~300B en total (~30B activos)
Disponibilidad	Código cerrado	Código cerrado

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

max

medium

Categoría:

Tareas de agentes	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	10.0	10.0	100.0%	0		62.53s	126,950	3,620	2,475
Grok Build 0.1	3.4	9.6	0.0%	0		69.03s	251,670	1,658	16,742

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	8.7	7.9	91.7%	1		23.74s	1,533	613	1,394
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	5.2	4.4	55.6%	2		105.09s	3,362	1,149	27,957
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	6.5	10.0	50.0%	0		64.37s	12,819	775	4,538
Grok Build 0.1	10.0	10.0	100.0%	0		65.08s	75,242	5,442	65,569

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	6.4	5.9	66.7%	1		39.79s	4,285	185	1,182
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	3.6	7.2	22.2%	1		471.21s	1,015	84	136,143
Grok Build 0.1	2.9	7.2	11.1%	1		175.94s	1,959	492	192,037

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	10.0	10.0	100.0%	0		7.04s	741	193	716
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	6.2	5.8	66.7%	1		32.97s	777	132	574
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	7.7	10.0	66.7%	0		6.57s	1,443	681	1,368
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	3.0	10.0	0.0%	0		26.36s	0	0	0
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Ember-1	3.0	10.0	0.0%	0		24.95s	474	371	2,751
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

Cambiar par de comparación