- 排名
- #248
- 总输出令牌
- 180,806
- 响应时间（平均）
- 98.92s
- 总成本
- $2.792
Ember-1 (max) vs Step 3.5 Flash (medium)
平均分几乎持平，为 5.9 vs 5.9。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.132 vs $2.792。 Ember-1 (max) 更快，为 98.92s vs 191.63s，通过率为 57.6% vs 50.0%。
已对比模型
- 排名
- #245
- 总输出令牌
- 568,536
- 响应时间（平均）
- 191.63s
- 总成本
- $0.132
推荐模型
Step 3.5 Flash (medium)
它在这里得分最高（5.9），同时成本比Ember-1 (max)低约 21.3 倍。
详细对比
| 指标 | Ember-1 Ember-1 max | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| 分数 | 5.9 | 5.9 |
| 排名 | #248 | #245 |
| 可靠性 | 7.5 | 10.0 |
| 一致性 | 7.7 | 8.6 |
| 尝试次数 | 66/66 | 63/66 |
| 测试正确 | ||
| 尝试通过率 | 57.6% | 50.0% |
| 不稳定测试 | 6 | 2 |
| 总运行次数 | 66 | 63 |
| 每个结果成本 | 27.915 | 0.858 |
| 总成本 | $2.792 | $0.132 |
| 输入价格 | $3.000 / 1M | $0.100 / 1M |
| 输出价格 | $15.000 / 1M | $0.300 / 1M |
| 总输入令牌 | 26,449 | 65,716 |
| 输出令牌 | 4,183 | 189,424 |
| 推理令牌 | 176,623 | 379,112 |
| 响应时间（平均） | 98.92s | 191.63s |
| 响应时间（最大） | 587.08s | 1597.85s |
| 响应时间（总计） | 2176.20s | 3066.07s |
| 参数量 | ~2.8T 总计 (~104B 激活) | 196B 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.
#248 Ember-1
max- 成本
- $0.163
- 时间
- 229.4s
- 令牌
- 11,002 tok
#245 Step 3.5 Flash
medium- 成本
- $0.008
- 时间
- 277.1s
- 令牌
- 23,695 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 | 23.74s | 1,533 | 613 | 1,394 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 40.57s | 694 | 20,391 | 24,176 |
| 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 | 5.2 | 4.4 | 55.6% | 2 | 105.09s | 3,362 | 1,149 | 27,957 | |
| Step 3.5 Flash | 2.4 | 5.2 | 0.0% | 0 | 258.38s | 2,211 | 13,207 | 22,429 |
| 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 | 64.37s | 12,819 | 775 | 4,538 | |
| Step 3.5 Flash | 6.5 | 10.0 | 50.0% | 0 | 813.71s | 44,914 | 18,150 | 111,004 |
| 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 | 6.4 | 5.9 | 66.7% | 1 | 39.79s | 4,285 | 185 | 1,182 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 7,368 | 600 | 13,886 |
| 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 | 3.6 | 7.2 | 22.2% | 1 | 471.21s | 1,015 | 84 | 136,143 | |
| Step 3.5 Flash | 3.5 | 4.4 | 33.3% | 2 | 311.60s | 682 | 126,213 | 175,555 |
| 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 | 7.04s | 741 | 193 | 716 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 22.39s | 509 | 240 | 3,506 |
| 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 | 32.97s | 777 | 132 | 574 | |
| Step 3.5 Flash | 8.3 | 10.0 | 50.0% | 0 | 4.78s | 705 | 2,364 | 3,521 |
| 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 | 7.7 | 10.0 | 66.7% | 0 | 6.57s | 1,443 | 681 | 1,368 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.22s | 711 | 5,630 | 10,861 |
| 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 | 26.36s | 0 | 0 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 7,701 | 275 | 3,802 |
| 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 | 24.95s | 474 | 371 | 2,751 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 108.45s | 221 | 2,354 | 10,372 |
快速对比
切换对比组合
Dots 3 Note Previewmedium免费可用vsEmber-1maxQwen3.5-35B-A3BnonevsStep 3.5 FlashmediumEmber-1maxvsQwen3.5-35B-A3BnoneQwen3.5-FlashnonevsStep 3.5 FlashmediumEmber-1maxvsQwen3.5-FlashnoneEmber-1maxvsGPT-5 NanomediumGPT-5.6 TerranonevsStep 3.5 FlashmediumEmber-1maxvsGLM 5.3 FlashlowEmber-1maxvsGPT-5.4 MininoneEmber-1maxvsGPT-5.6 TerranoneStep 3.5 FlashmediumvsGLM 5.3 FlashlowSeed 2.1 TurbononevsEmber-1max