- 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 Step 3.7 Flash (low)
Step 3.7 Flash (low) 平均分领先，为 7.1 vs 7.1。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.390 vs $1.798。 Step 3.7 Flash (low) 更快，为 17.87s vs 56.77s，通过率为 71.2% vs 63.6%。
已对比模型
- 排名
- #155
- 总输出令牌
- 320,393
- 响应时间（平均）
- 17.87s
- 总成本
- $0.390
推荐模型
Step 3.7 Flash (low)
它在这里得分最高（7.1），同时成本比Ember-1 (high)低约 4.6 倍。
详细对比
| 指标 | Ember-1 Ember-1 high | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| 分数 | 7.1 | 7.1 |
| 排名 | #158 | #155 |
| 可靠性 | 8.0 | 10.0 |
| 一致性 | 7.3 | 8.1 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 71.2% | 63.6% |
| 不稳定测试 | 7 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 14.981 | 3.539 |
| 总成本 | $1.798 | $0.390 |
| 输入价格 | $3.000 / 1M | $0.200 / 1M |
| 输出价格 | $15.000 / 1M | $1.150 / 1M |
| 总输入令牌 | 48,577 | 103,842 |
| 输出令牌 | 7,345 | 320,393 |
| 推理令牌 | 102,780 | 0 |
| 响应时间（平均） | 56.77s | 17.87s |
| 响应时间（最大） | 255.06s | 124.75s |
| 响应时间（总计） | 1248.88s | 393.04s |
| 参数量 | ~2.8T 总计 (~104B 激活) | 198B 总计 (11B 激活) |
| 开放状态 | 闭源 | 开源 |
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
#155 Step 3.7 Flash
low
无效SVG
- 成本
- $0.004
- 时间
- 25.3s
- 令牌
- 3,072 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 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 4.02s | 756 | 10,896 | 0 |
| 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 | |
| Step 3.7 Flash | 8.2 | 7.2 | 88.9% | 1 | 9.46s | 7,437 | 18,685 | 0 |
| 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 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 66.18s | 77,415 | 93,682 | 0 |
| 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 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 2.29s | 7,398 | 2,667 | 0 |
| 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 | |
| Step 3.7 Flash | 2.9 | 7.2 | 11.1% | 1 | 22.65s | 837 | 48,299 | 0 |
| 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 | |
| Step 3.7 Flash | 3.4 | 9.3 | 0.0% | 0 | 7.00s | 525 | 4,604 | 0 |
| 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 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.58s | 735 | 1,857 | 0 |
| 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 | |
| Step 3.7 Flash | 5.5 | 9.9 | 33.3% | 0 | 1.84s | 756 | 3,564 | 0 |
| 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 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.25s | 7,746 | 1,360 | 0 |
| 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 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 124.75s | 237 | 134,779 | 0 |
快速对比
切换对比组合
Ember-1highvsGrok 4.3mediumEmber-1highvsGPT-5.6 SolnoneEmber-1highvsGPT-6 LunalowQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsSolar Pro 4highDeepSeek V3.2mediumvsEmber-1highMuse Glimmer 30BmediumvsStep 3.7 FlashlowMercury 2.5highvsStep 3.7 FlashlowEmber-1highvsGLM 5.1mediumEmber-1highvsGPT-5.5noneEmber-1highvsMercury 2mediumQwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow