- 排名
- #120
- 总输出令牌
- 37,467
- 响应时间（平均）
- 30.98s
- 总成本
- $0.662
Ember-1 (low) vs GPT-5.4 Mini (medium)
平均分几乎持平，为 7.5 vs 7.5。 Ember-1 (low) benchmark 成本更低，为 $0.662 vs $0.786。 GPT-5.4 Mini (medium) 更快，为 26.72s vs 30.98s，通过率为 66.7% vs 68.2%。
已对比模型
- 排名
- #126
- 总输出令牌
- 158,344
- 响应时间（平均）
- 26.72s
- 总成本
- $0.786
推荐模型
GPT-5.4 Mini (medium)
它在本次比较中得分最高（7.5），并且在全部 2 个模型中兼顾成本和响应时间最好。
详细对比
| 指标 | Ember-1 Ember-1 low | GPT-5.4 Mini GPT-5.4 Mini medium |
|---|---|---|
| 分数 | 7.5 | 7.5 |
| 排名 | #120 | #126 |
| 可靠性 | 8.1 | 10.0 |
| 一致性 | 8.5 | 8.1 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 68.2% |
| 不稳定测试 | 4 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 5.085 | 6.546 |
| 总成本 | $0.662 | $0.786 |
| 输入价格 | $3.000 / 1M | $0.750 / 1M |
| 输出价格 | $15.000 / 1M | $4.500 / 1M |
| 总输入令牌 | 33,011 | 97,164 |
| 输出令牌 | 4,780 | 6,211 |
| 推理令牌 | 32,687 | 152,133 |
| 响应时间（平均） | 30.98s | 26.72s |
| 响应时间（最大） | 93.10s | 138.75s |
| 响应时间（总计） | 681.50s | 587.90s |
| 参数量 | ~2.8T 总计 (~104B 激活) | ~400B 总计 (~17B 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.
#120 Ember-1
low- 成本
- $0.016
- 时间
- 24.2s
- 令牌
- 1,165 tok
#126 GPT-5.4 Mini
medium- 成本
- $0.056
- 时间
- 95.5s
- 令牌
- 12,464 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 | 8.2 | 7.9 | 83.3% | 1 | 22.18s | 1,402 | 571 | 613 | |
| GPT-5.4 Mini | 8.6 | 7.9 | 91.7% | 1 | 4.05s | 606 | 296 | 2,876 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 37.91s | 8,097 | 2,518 | 13,142 | |
| GPT-5.4 Mini | 8.4 | 7.4 | 88.9% | 1 | 57.87s | 7,305 | 467 | 40,902 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 51.45s | 12,828 | 381 | 689 | |
| GPT-5.4 Mini | 6.9 | 5.9 | 66.7% | 1 | 59.64s | 74,058 | 4,347 | 40,924 |
| 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 | 34.82s | 6,076 | 223 | 778 | |
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 7,140 | 234 | 650 |
| 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 | 7.2 | 11.1% | 1 | 56.17s | 1,154 | 234 | 12,476 | |
| GPT-5.4 Mini | 3.6 | 7.2 | 22.2% | 1 | 71.05s | 628 | 60 | 49,875 |
| 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 | 5.67s | 744 | 139 | 462 | |
| GPT-5.4 Mini | 4.5 | 10.0 | 0.0% | 0 | 3.72s | 477 | 150 | 510 |
| 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 | 6.2 | 5.8 | 66.7% | 1 | 32.73s | 781 | 121 | 466 | |
| GPT-5.4 Mini | 9.8 | 10.0 | 100.0% | 0 | 2.13s | 660 | 96 | 1,185 |
| 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 | 3.27s | 1,452 | 393 | 595 | |
| GPT-5.4 Mini | 7.8 | 10.0 | 66.7% | 0 | 4.37s | 642 | 278 | 2,443 |
| 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 | 26.43s | 0 | 0 | 0 | |
| GPT-5.4 Mini | 4.7 | 1.6 | 66.7% | 1 | 9.62s | 5,453 | 251 | 2,594 |
| 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 | 30.60s | 477 | 200 | 3,466 | |
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 30.10s | 195 | 32 | 10,174 |
快速对比
切换对比组合
Ember-1lowvsMiniMax M3mediumEmber-1lowvsGrok 4.7highGemini 3.8 FlashlowvsGPT-5.4 MinimediumEmber-1lowvsGPT 5.3 ChatnoneEmber-1lowvsQwen3.5 Plus 2026-02-15mediumEmber-1lowvsQwen3.5-27BmediumEmber-1lowvsMercury 2.5 PreviewmediumGPT-5.4 MinimediumvsQwen3.7 MaxnoneEmber-1lowvsGrok Build 0.1mediumGPT-5.4 MinimediumvsGrok 4.7highEmber-1lowvsGPT-5.4 NanomediumEmber-1lowvsGemini 3.1 Flash Lite Previewmedium