Muse Ember (minimal) vs GLM 5.3 FlashX Legal (high)

Muse Ember (minimal) average score मध्ये पुढे आहे: 8.9 vs 8.2. Muse Ember (minimal) चा benchmark खर्च कमी आहे: $0.047 vs $0.521. Muse Ember (minimal) वेगवान आहे: 5.30s vs 35.19s, pass rates 76.8% vs 72.5%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-10

तुलना केलेली मॉडेल्स

क्रमांक: #67
एकूण आउटपुट टोकन्स: 40,577
प्रतिसाद वेळ (सरासरी): 5.30s
एकूण खर्च: $0.047

क्रमांक: #127
एकूण आउटपुट टोकन्स: 345,985
प्रतिसाद वेळ (सरासरी): 35.19s
एकूण खर्च: $0.521

शिफारस केलेले मॉडेल Muse Ember (minimal)

It has the best score here (8.9), while costing about 11.1x less than GLM 5.3 FlashX Legal (high).

तपशीलवार तुलना

मेट्रिक	Muse Ember Muse Ember minimal प्रकाशन: 2026-11-09	GLM 5.3 FlashX Legal GLM 5.3 FlashX Legal high प्रकाशन: 2026-11-02

मेट्रिक	Muse Ember Muse Ember minimal प्रकाशन: 2026-11-09	GLM 5.3 FlashX Legal GLM 5.3 FlashX Legal high प्रकाशन: 2026-11-02
स्कोअर	8.9	8.2
क्रमांक	#67	#127
विश्वसनीयता	9.7	9.7
सुसंगतता	9.6	8.6
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	76.8%	72.5%
अस्थिर चाचण्या	1	4
एकूण रन	69	69
प्रति निकाल खर्च	0.276	3.473
एकूण खर्च	$0.047	$0.521
इनपुट किंमत	$0.100 / 1M	$0.370 / 1M
आउटपुट किंमत	$0.500 / 1M	$1.250 / 1M
कॅश वाचण्याची किंमत	$0.004 / 1M	$0.075 / 1M
कॅश लिहिण्याची किंमत	$0.125 / 1M	लागू नाही
एकूण इनपुट टोकन्स	265,844	238,713
आउटपुट टोकन्स	10,584	7,034
रिझनिंग टोकन्स	29,993	338,951
प्रतिसाद वेळ (सरासरी)	5.30s	35.19s
प्रतिसाद वेळ (कमाल)	48.15s	298.81s
प्रतिसाद वेळ (एकूण)	121.82s	809.47s
पॅरामीटर्स	~150B एकूण (~10B सक्रिय)	~320B एकूण (~18B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#67 Muse Ember

minimal

खर्च: $0.002
वेळ: 4.5s
टोकन्स: 2,690 tok

#127 GLM 5.3 FlashX Legal

high

खर्च: $0.018
वेळ: 103.8s
टोकन्स: 13,703 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
Muse Ember	10.0	10.0	100.0%	0		48.15s	147,537	2,489	1,109
GLM 5.3 FlashX Legal	10.0	10.0	100.0%	0		78.95s	140,782	1,206	13,815

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	10.0	10.0	100.0%	0		2.03s	798	330	1,076
GLM 5.3 FlashX Legal	8.2	7.9	83.3%	1		1.50s	639	282	456

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	10.0	10.0	100.0%	0		2.66s	7,410	577	6,099
GLM 5.3 FlashX Legal	8.2	7.2	88.9%	1		27.50s	7,317	397	31,799

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	7.3	5.8	83.3%	1		9.58s	89,458	5,369	4,624
GLM 5.3 FlashX Legal	6.9	5.9	66.7%	1		22.42s	73,021	3,779	11,384

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	10.0	10.0	100.0%	0		1.57s	7,215	234	570
GLM 5.3 FlashX Legal	10.0	10.0	100.0%	0		1.32s	7,149	210	358

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	5.3	10.0	33.3%	0		3.96s	873	344	7,621
GLM 5.3 FlashX Legal	3.0	10.0	0.0%	0		188.77s	759	195	278,113

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	10.0	10.0	100.0%	0		1.65s	522	109	567
GLM 5.3 FlashX Legal	4.8	3.2	33.3%	1		1.78s	498	204	214

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	9.8	10.0	100.0%	0		2.10s	759	111	824
GLM 5.3 FlashX Legal	10.0	10.0	100.0%	0		1.53s	678	72	240

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	5.3	10.0	33.3%	0		3.33s	786	412	5,631
GLM 5.3 FlashX Legal	10.0	10.0	100.0%	0		2.45s	672	411	479

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	10.0	10.0	100.0%	0		4.67s	10,258	539	175
GLM 5.3 FlashX Legal	10.0	10.0	100.0%	0		7.41s	6,991	225	98

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	3.0	10.0	0.0%	0		2.88s	228	70	1,697
GLM 5.3 FlashX Legal	3.0	10.0	0.0%	0		8.62s	207	53	1,995

तुलना जोडी बदला