नेव्हिगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Ember-1 (max) vs GPT-5.4

Ember-1 (max) average score मध्ये पुढे आहे: 5.9 vs 5.8. GPT-5.4 चा benchmark खर्च कमी आहे: $0.397 vs $2.792. GPT-5.4 वेगवान आहे: 2.08s vs 98.92s, pass rates 57.6% vs 34.9%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-28

तुलना केलेली मॉडेल्स

क्रमांक
#248
एकूण आउटपुट टोकन्स
180,806
प्रतिसाद वेळ (सरासरी)
98.92s
एकूण खर्च
$2.792
क्रमांक
#254
एकूण आउटपुट टोकन्स
8,339
प्रतिसाद वेळ (सरासरी)
2.08s
एकूण खर्च
$0.397
शिफारस केलेले मॉडेल GPT-5.4

Its score stays close to the best score here (5.8 vs 5.9), while costing about 7.0x less than Ember-1 (max).

तपशीलवार तुलना

मेट्रिक Ember-1 Ember-1 max प्रकाशन: 2026-09-28 GPT-5.4 GPT-5.4 none प्रकाशन: 2026-03-05
स्कोअर 5.9 5.8
क्रमांक #248 #254
विश्वसनीयता 7.5 10.0
सुसंगतता 7.7 9.2
प्रयत्न 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 57.6% 34.9%
अस्थिर चाचण्या 6 2
एकूण रन 66 66
प्रति निकाल खर्च 27.915 5.667
एकूण खर्च $2.792 $0.397
इनपुट किंमत $3.000 / 1M $2.500 / 1M
आउटपुट किंमत $15.000 / 1M $15.000 / 1M
एकूण इनपुट टोकन्स 26,449 108,641
आउटपुट टोकन्स 4,183 8,339
रिझनिंग टोकन्स 176,623 0
प्रतिसाद वेळ (सरासरी) 98.92s 2.08s
प्रतिसाद वेळ (कमाल) 587.08s 15.63s
प्रतिसाद वेळ (एकूण) 2176.20s 45.75s
पॅरामीटर्स ~2.8T एकूण (~104B सक्रिय) ~1.5T एकूण (~100B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#248 Ember-1

max
खर्च
$0.163
वेळ
229.4s
टोकन्स
11,002 tok

#254 GPT-5.4

none
खर्च
$0.026
वेळ
18.1s
टोकन्स
1,792 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Ember-1 5.2 4.4 55.6% 2 105.09s 3,362 1,149 27,957
GPT-5.4 5.5 10.0 33.3% 0 1.62s 7,305 516 0

झटपट तुलना

तुलना जोडी बदला