Ember-1 (max) vs Qwen3.7 Flash (medium)

Ember-1 (max) average score मध्ये पुढे आहे: 6.7 vs 6.6. Qwen3.7 Flash (medium) चा benchmark खर्च कमी आहे: $0.076 vs $3.264. Qwen3.7 Flash (medium) वेगवान आहे: 51.80s vs 97.34s, pass rates 59.4% vs 62.3%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #181
एकूण आउटपुट टोकन्स: 186,901
प्रतिसाद वेळ (सरासरी): 97.34s
एकूण खर्च: $3.264

क्रमांक: #187
एकूण आउटपुट टोकन्स: 514,925
प्रतिसाद वेळ (सरासरी): 51.80s
एकूण खर्च: $0.076

शिफारस केलेले मॉडेल Qwen3.7 Flash (medium)

Its score stays close to the best score here (6.6 vs 6.7), while costing about 43.0x less than Ember-1 (max).

तपशीलवार तुलना

मेट्रिक	Ember-1 Ember-1 max प्रकाशन: 2026-09-28	Qwen3.7 Flash Qwen3.7 Flash medium प्रकाशन: 2026-07-28

मेट्रिक	Ember-1 Ember-1 max प्रकाशन: 2026-09-28	Qwen3.7 Flash Qwen3.7 Flash medium प्रकाशन: 2026-07-28
स्कोअर	6.7	6.6
क्रमांक	#181	#187
विश्वसनीयता	8.3	10.0
सुसंगतता	7.8	7.3
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	59.4%	62.3%
अस्थिर चाचण्या	6	8
एकूण रन	69	69
प्रति निकाल खर्च	29.671	0.760
एकूण खर्च	$3.264	$0.076
इनपुट किंमत	$3.000 / 1M	$0.030 / 1M
आउटपुट किंमत	$15.000 / 1M	$0.130 / 1M
एकूण इनपुट टोकन्स	153,399	300,394
आउटपुट टोकन्स	7,803	14,081
रिझनिंग टोकन्स	179,098	500,844
प्रतिसाद वेळ (सरासरी)	97.34s	51.80s
प्रतिसाद वेळ (कमाल)	587.08s	593.64s
प्रतिसाद वेळ (एकूण)	2238.73s	1191.42s
पॅरामीटर्स	~2.8T एकूण (~104B सक्रिय)	~35B एकूण (~3B 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.

#181 Ember-1

max

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

#187 Qwen3.7 Flash

medium

Reached the allocated time limit (600 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 600.0s
टोकन्स: 0 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

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	10.0	10.0	100.0%	0		62.53s	126,950	3,620	2,475
Qwen3.7 Flash	5.2	3.2	33.3%	1		148.99s	185,917	1,295	43,554

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	8.7	7.9	91.7%	1		23.74s	1,533	613	1,394
Qwen3.7 Flash	10.0	10.0	100.0%	0		9.56s	672	525	12,844

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
Qwen3.7 Flash	6.2	6.9	55.6%	1		46.78s	7,893	563	61,902

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	6.5	10.0	50.0%	0		64.37s	12,819	775	4,538
Qwen3.7 Flash	6.4	5.8	66.7%	1		314.17s	87,042	10,432	296,919

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	6.4	5.9	66.7%	1		39.79s	4,285	185	1,182
Qwen3.7 Flash	10.0	10.0	100.0%	0		15.42s	7,782	270	11,588

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	3.6	7.2	22.2%	1		471.21s	1,015	84	136,143
Qwen3.7 Flash	2.9	7.2	11.1%	1		38.02s	780	59	38,977

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	10.0	10.0	100.0%	0		7.04s	741	193	716
Qwen3.7 Flash	5.5	10.0	0.0%	0		10.18s	516	143	3,647

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	6.2	5.8	66.7%	1		32.97s	777	132	574
Qwen3.7 Flash	5.8	2.7	66.7%	2		9.27s	699	100	7,457

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	7.7	10.0	66.7%	0		6.57s	1,443	681	1,368
Qwen3.7 Flash	7.1	5.1	77.8%	2		8.30s	696	355	9,138

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	3.0	10.0	0.0%	0		26.36s	0	0	0
Qwen3.7 Flash	10.0	10.0	100.0%	0		7.80s	8,193	309	2,171

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Ember-1	3.0	10.0	0.0%	0		24.95s	474	371	2,751
Qwen3.7 Flash	3.0	10.0	0.0%	0		29.17s	204	30	12,647

झटपट तुलना

तुलना जोडी बदला

Ember-1maxvsGPT 5.3 Chatnone Ember-1maxvsMiniMax M3medium Ember-1maxvsGPT-5.6 Solnone Ember-1maxvsGrok 4.7high LongCat 2.0lowvsQwen3.7 Flashmedium Ember-1maxvsSolar Pro 4low Qwen3.7 FlashmediumvsGLM 5.2none Ember-1maxvsQwen3.5-Flashnone GPT-5.5nonevsQwen3.7 Flashmedium Qwen3.7 FlashmediumvsGLM 5.3 Flashlow Ember-1maxvsGLM 5.3 Flashlow Ember-1maxvsGPT-5.5none