Ember-1 (max) vs Grok Build 0.1 (medium)

Modele comparate

Model recomandat Grok Build 0.1 (medium)

Are cel mai bun scor aici (6.7) și costă de aproximativ 2.3x mai puțin decât Ember-1 (max).

Metrică	Ember-1 Ember-1 max Lansare: 2026-09-28	Grok Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21

Metrică	Ember-1 Ember-1 max Lansare: 2026-09-28	Grok Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21
Scor	6.7	6.7
Rang	#181	#176
Fiabilitate	8.3	10.0
Consistență	7.8	9.6
Încercări	69/69	69/69
Teste corecte
Rată de trecere pe încercare	59.4%	58.0%
Teste instabile	6	1
Rulări totale	69	69
Cost per rezultat	29.671	10.910
Cost total	$3.264	$1.419
Preț de intrare	$3.000 / 1M	$1.000 / 1M
Preț de ieșire	$15.000 / 1M	$2.000 / 1M
Total tokenuri de intrare	153,399	358,616
Tokenuri de ieșire	7,803	9,651
Tokenuri de raționament	179,098	520,155
Timp de răspuns (mediu)	97.34s	55.13s
Timp de răspuns (maxim)	587.08s	252.69s
Timp de răspuns (total)	2238.73s	1268.10s
Parametri	~2.8T în total (~104B activi)	~300B în total (~30B activi)
Disponibilitate	Închis	Închis

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

max

medium

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	10.0	10.0	100.0%	0		62.53s	126,950	3,620	2,475
Grok Build 0.1	3.4	9.6	0.0%	0		69.03s	251,670	1,658	16,742

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		23.74s	1,533	613	1,394
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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	5.2	4.4	55.6%	2		105.09s	3,362	1,149	27,957
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

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	6.5	10.0	50.0%	0		64.37s	12,819	775	4,538
Grok Build 0.1	10.0	10.0	100.0%	0		65.08s	75,242	5,442	65,569

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	6.4	5.9	66.7%	1		39.79s	4,285	185	1,182
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

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	3.6	7.2	22.2%	1		471.21s	1,015	84	136,143
Grok Build 0.1	2.9	7.2	11.1%	1		175.94s	1,959	492	192,037

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		7.04s	741	193	716
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

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	6.2	5.8	66.7%	1		32.97s	777	132	574
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

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	7.7	10.0	66.7%	0		6.57s	1,443	681	1,368
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

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		26.36s	0	0	0
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

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		24.95s	474	371	2,751
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

Schimbă perechea de comparație