Ember-1 (high) vs GPT-5.6 Luna (low)

Modele comparate

Model recomandat GPT-5.6 Luna (low)

Are cel mai bun scor aici (6.9) și costă de aproximativ 32.4x mai puțin decât Ember-1 (high).

Metrică	Ember-1 Ember-1 high Lansare: 2026-09-28	GPT-5.6 Luna GPT-5.6 Luna low Lansare: 2026-07-09

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

high

low

Categorie:

Sarcini agentice	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	6.1	3.1	66.7%	1		88.31s	146,912	5,130	5,968
GPT-5.6 Luna	10.0	10.0	100.0%	0		45.74s	106,325	1,017	698

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	8.7	7.9	91.7%	1		24.05s	1,544	886	992
GPT-5.6 Luna	8.3	10.0	75.0%	0		2.21s	606	186	722

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	8.2	7.2	88.9%	1		72.23s	7,144	1,281	23,093
GPT-5.6 Luna	5.5	10.0	33.3%	0		4.61s	7,302	557	3,535

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	6.4	5.8	66.7%	1		79.89s	28,994	1,667	6,614
GPT-5.6 Luna	2.8	1.6	33.3%	2		13.71s	73,147	6,401	2,716

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	7.3	5.9	83.3%	1		36.10s	6,076	230	1,228
GPT-5.6 Luna	10.0	10.0	100.0%	0		2.14s	7,140	234	292

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	2.9	4.4	22.2%	2		175.49s	1,154	1,023	61,582
GPT-5.6 Luna	2.9	7.2	11.1%	1		11.24s	732	72	7,564

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	10.0	10.0	100.0%	0		4.49s	744	194	304
GPT-5.6 Luna	5.0	10.0	0.0%	0		2.25s	477	122	169

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	7.1	5.8	83.3%	1		33.38s	992	162	784
GPT-5.6 Luna	8.5	6.8	83.3%	1		2.04s	660	93	259

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	10.0	10.0	100.0%	0		4.84s	1,452	390	848
GPT-5.6 Luna	7.6	7.2	77.8%	1		3.59s	642	271	1,207

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	3.0	10.0	0.0%	0		26.45s	0	0	0
GPT-5.6 Luna	10.0	10.0	100.0%	0		4.43s	5,454	250	177

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Ember-1	3.0	10.0	0.0%	0		65.34s	477	1,512	7,335
GPT-5.6 Luna	3.0	10.0	0.0%	0		4.86s	195	27	1,432

Schimbă perechea de comparație