Muse Ember (xhigh) vs Kimi K3.1 Pro (low)

Kimi K3.1 Pro (low) average score मध्ये पुढे आहे: 8.8 vs 8.8. Muse Ember (xhigh) चा benchmark खर्च कमी आहे: $0.232 vs $1.836. Muse Ember (xhigh) वेगवान आहे: 13.90s vs 47.50s, pass rates 76.8% vs 81.2%.

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

तुलना केलेली मॉडेल्स

क्रमांक: #73
एकूण आउटपुट टोकन्स: 409,112
प्रतिसाद वेळ (सरासरी): 13.90s
एकूण खर्च: $0.232

क्रमांक: #70
एकूण आउटपुट टोकन्स: 139,158
प्रतिसाद वेळ (सरासरी): 47.50s
एकूण खर्च: $1.836

शिफारस केलेले मॉडेल Muse Ember (xhigh)

Its score stays close to the best score here (8.8 vs 8.8), while costing about 7.9x less than Kimi K3.1 Pro (low).

तपशीलवार तुलना

मेट्रिक	Muse Ember Muse Ember xhigh प्रकाशन: 2026-11-09	Kimi K3.1 Pro Kimi K3.1 Pro low प्रकाशन: 2026-10-24

मेट्रिक	Muse Ember Muse Ember xhigh प्रकाशन: 2026-11-09	Kimi K3.1 Pro Kimi K3.1 Pro low प्रकाशन: 2026-10-24
स्कोअर	8.8	8.8
क्रमांक	#73	#70
विश्वसनीयता	10.0	8.4
सुसंगतता	8.9	8.9
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	76.8%	81.2%
अस्थिर चाचण्या	3	3
एकूण रन	69	69
प्रति निकाल खर्च	1.450	10.796
एकूण खर्च	$0.232	$1.836
इनपुट किंमत	$0.100 / 1M	$2.000 / 1M
आउटपुट किंमत	$0.500 / 1M	$10.000 / 1M
कॅश वाचण्याची किंमत	$0.004 / 1M	$0.200 / 1M
कॅश लिहिण्याची किंमत	$0.125 / 1M	लागू नाही
एकूण इनपुट टोकन्स	274,208	221,802
आउटपुट टोकन्स	11,740	12,498
रिझनिंग टोकन्स	397,372	126,660
प्रतिसाद वेळ (सरासरी)	13.90s	47.50s
प्रतिसाद वेळ (कमाल)	79.38s	506.95s
प्रतिसाद वेळ (एकूण)	319.61s	1092.61s
पॅरामीटर्स	~150B एकूण (~10B सक्रिय)	~2.8T एकूण (~104B 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.

#73 Muse Ember

xhigh

खर्च: $0.008
वेळ: 24.3s
टोकन्स: 14,705 tok

#70 MoonshotAI: Kimi K3.1 Pro

low

fetch failed

खर्च: $0.000
वेळ: 10.7s
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
Muse Ember	10.0	10.0	100.0%	0		47.42s	151,581	2,661	2,824
Kimi K3.1 Pro	10.0	10.0	100.0%	0		69.28s	103,362	1,789	2,468

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		2.05s	798	288	5,861
Kimi K3.1 Pro	10.0	10.0	100.0%	0		5.90s	1,650	286	1,982

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		10.41s	7,410	1,225	40,702
Kimi K3.1 Pro	10.0	10.0	100.0%	0		18.91s	8,070	468	7,531

संयुक्त	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		13.24s	91,473	4,513	21,164
Kimi K3.1 Pro	6.5	10.0	50.0%	0		52.27s	88,134	8,439	5,435

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	7.3	5.8	83.3%	1		3.59s	7,215	368	5,817
Kimi K3.1 Pro	10.0	10.0	100.0%	0		5.31s	7,845	273	394

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	7.2	44.4%	1		23.77s	873	1,044	76,708
Kimi K3.1 Pro	4.1	4.4	44.5%	2		243.49s	1,515	150	99,091

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		2.88s	522	214	2,610
Kimi K3.1 Pro	10.0	10.0	100.0%	0		7.96s	735	166	608

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	6.5	10.0	50.0%	0		4.17s	759	241	7,345
Kimi K3.1 Pro	10.0	10.0	100.0%	0		5.84s	1,185	147	961

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Ember	5.9	7.2	55.6%	1		29.02s	786	504	202,040
Kimi K3.1 Pro	7.6	7.2	77.8%	1		7.29s	1,425	376	1,588

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		3.93s	12,563	448	1,643
Kimi K3.1 Pro	10.0	10.0	100.0%	0		11.24s	7,413	348	227

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		25.61s	228	234	30,658
Kimi K3.1 Pro	3.0	10.0	0.0%	0		44.64s	468	56	6,375

तुलना जोडी बदला

DeepSeek V4.1 FlashhighvsMuse Emberxhigh DeepSeek V4.1 FlashmediumvsMuse Emberxhigh Muse EmberxhighvsKimi K3.1 Promax Kimi K3.1 ProlowvsGPT-5.4medium Muse EmberxhighvsGPT-5.4medium Kimi K3.1 ProlowvsPareto 26.9default Claude Fable 5mediumvsKimi K3.1 Prolow Muse EmberminimalvsKimi K3.1 Prolow Muse Spark 1.1mediumvsKimi K3.1 Prolow Muse Spark 1.2mediumvsKimi K3.1 Prolow Muse EmberxhighvsQwen3.8 MAXlow Muse EmberxhighvsGPT-5.2medium