- 排名
- #158
- 总输出令牌
- 110,125
- 响应时间（平均）
- 56.77s
- 总成本
- $1.798
Ember-1 (high) vs Mercury 2.5 (high)
平均分几乎持平，为 7.1 vs 7.1。 Mercury 2.5 (high) benchmark 成本更低，为 $0.031 vs $1.798。 Mercury 2.5 (high) 更快，为 4.32s vs 56.77s，通过率为 71.2% vs 62.1%。
已对比模型
- 排名
- #157
- 总输出令牌
- 174,547
- 响应时间（平均）
- 4.32s
- 总成本
- $0.031
推荐模型
Mercury 2.5 (high)
它在这里得分最高（7.1），同时成本比Ember-1 (high)低约 58.0 倍。
详细对比
| 指标 | Ember-1 Ember-1 high | Mercury 2.5 Mercury 2.5 high |
|---|---|---|
| 分数 | 7.1 | 7.1 |
| 排名 | #158 | #157 |
| 可靠性 | 8.0 | 9.7 |
| 一致性 | 7.3 | 8.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 71.2% | 62.1% |
| 不稳定测试 | 7 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 14.981 | 0.259 |
| 总成本 | $1.798 | $0.031 |
| 输入价格 | $3.000 / 1M | $0.040 / 1M |
| 输出价格 | $15.000 / 1M | $0.150 / 1M |
| 总输入令牌 | 48,577 | 120,068 |
| 输出令牌 | 7,345 | 3,402 |
| 推理令牌 | 102,780 | 171,145 |
| 响应时间（平均） | 56.77s | 4.32s |
| 响应时间（最大） | 255.06s | 23.63s |
| 响应时间（总计） | 1248.88s | 95.06s |
| 参数量 | ~2.8T 总计 (~104B 激活) | ~100B |
| 开放状态 | 闭源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#158 Ember-1
high- 成本
- $0.038
- 时间
- 55.1s
- 令牌
- 2,671 tok
#157 Mercury 2.5
high- 成本
- $0.001
- 时间
- 3.5s
- 令牌
- 2,447 tok
按分数排名的模型
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 8.7 | 7.9 | 91.7% | 1 | 24.05s | 1,544 | 886 | 992 | |
| Mercury 2.5 | 10.0 | 10.0 | 100.0% | 0 | 1.33s | 782 | 218 | 7,913 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 8.2 | 7.2 | 88.9% | 1 | 72.23s | 7,144 | 1,281 | 23,093 | |
| Mercury 2.5 | 6.4 | 7.8 | 44.4% | 1 | 6.58s | 7,757 | 415 | 44,012 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 6.4 | 5.8 | 66.7% | 1 | 79.89s | 28,994 | 1,667 | 6,614 | |
| Mercury 2.5 | 6.4 | 5.8 | 66.7% | 1 | 16.00s | 91,255 | 1,478 | 62,200 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 7.3 | 5.9 | 83.3% | 1 | 36.10s | 6,076 | 230 | 1,228 | |
| Mercury 2.5 | 10.0 | 10.0 | 100.0% | 0 | 3.08s | 8,355 | 557 | 9,430 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 2.9 | 4.4 | 22.2% | 2 | 175.49s | 1,154 | 1,023 | 61,582 | |
| Mercury 2.5 | 2.9 | 7.2 | 11.1% | 1 | 4.86s | 857 | 78 | 22,452 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 10.0 | 10.0 | 100.0% | 0 | 4.49s | 744 | 194 | 304 | |
| Mercury 2.5 | 5.0 | 10.0 | 0.0% | 0 | 2.69s | 528 | 93 | 3,609 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 7.1 | 5.8 | 83.3% | 1 | 33.38s | 992 | 162 | 784 | |
| Mercury 2.5 | 6.5 | 10.0 | 50.0% | 0 | 934ms | 401 | 27 | 1,770 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 10.0 | 10.0 | 100.0% | 0 | 4.84s | 1,452 | 390 | 848 | |
| Mercury 2.5 | 8.7 | 7.7 | 88.9% | 1 | 1.39s | 771 | 227 | 5,812 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 3.0 | 10.0 | 0.0% | 0 | 26.45s | 0 | 0 | 0 | |
| Mercury 2.5 | 10.0 | 10.0 | 100.0% | 0 | 3.06s | 9,130 | 283 | 4,484 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Ember-1 | 3.0 | 10.0 | 0.0% | 0 | 65.34s | 477 | 1,512 | 7,335 | |
| Mercury 2.5 | 3.0 | 10.0 | 0.0% | 0 | 5.48s | 232 | 26 | 9,463 |
快速对比
切换对比组合
Ember-1highvsGrok 4.3mediumEmber-1highvsGPT-5.6 SolnoneEmber-1highvsGPT-6 LunalowMercury 2.5highvsGrok 4.3mediumDeepSeek V3.2mediumvsEmber-1highMercury 2.5highvsGPT-5.6 SolnoneMercury 2.5highvsGPT-6 LunalowMercury 2.5highvsStep 3.7 FlashlowEmber-1highvsGLM 5.1mediumDeepSeek V3.2mediumvsMercury 2.5highEmber-1highvsGPT-5.5noneEmber-1highvsMercury 2medium