- 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 Grok 4.20 (medium)
Ember-1 (high) 平均分领先，为 7.1 vs 7.0。 Grok 4.20 (medium) benchmark 成本更低，为 $0.805 vs $1.798。 Grok 4.20 (medium) 更快，为 32.56s vs 56.77s，通过率为 71.2% vs 60.6%。
已对比模型
- 排名
- #167
- 总输出令牌
- 270,259
- 响应时间（平均）
- 32.56s
- 总成本
- $0.805
推荐模型
Grok 4.20 (medium)
它的得分接近这里的最高分（7.0 vs 7.1），同时成本比Ember-1 (high)低约 2.2 倍。
详细对比
| 指标 | Ember-1 Ember-1 high | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| 分数 | 7.1 | 7.0 |
| 排名 | #158 | #167 |
| 可靠性 | 8.0 | 10.0 |
| 一致性 | 7.3 | 8.2 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 71.2% | 60.6% |
| 不稳定测试 | 7 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 14.981 | 10.365 |
| 总成本 | $1.798 | $0.805 |
| 输入价格 | $3.000 / 1M | $1.250 / 1M |
| 输出价格 | $15.000 / 1M | $2.500 / 1M |
| 总输入令牌 | 48,577 | 102,986 |
| 输出令牌 | 7,345 | 5,860 |
| 推理令牌 | 102,780 | 264,399 |
| 响应时间（平均） | 56.77s | 32.56s |
| 响应时间（最大） | 255.06s | 199.66s |
| 响应时间（总计） | 1248.88s | 716.36s |
| 参数量 | ~2.8T 总计 (~104B 激活) | ~1T 总计 (~100B 激活) |
| 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
#167 SpaceXAI: Grok 4.20
medium- 成本
- $0.041
- 时间
- 110.3s
- 令牌
- 16,336 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
快速对比
切换对比组合
GPT-5.5nonevsGrok 4.20mediumEmber-1highvsGrok 4.3mediumSpace Bunny AlphahighvsGrok 4.20mediumEmber-1highvsGPT-5.6 SolnoneEmber-1highvsGPT-6 LunalowDeepSeek V3.2mediumvsEmber-1highGPT-6 LunalowvsGrok 4.20mediumGPT-5.6 SolnonevsGrok 4.20mediumEmber-1highvsGLM 5.1mediumEmber-1highvsGPT-5.5noneEmber-1highvsMercury 2mediumClaude Fable 5.1lowvsGrok 4.20medium