- 排名
- #181
- 总输出令牌
- 186,901
- 响应时间（平均）
- 97.34s
- 总成本
- $3.264
Ember-1 (max) vs Grok Build 0.1 (medium)
平均分几乎持平，为 6.7 vs 6.7。 Grok Build 0.1 (medium) benchmark 成本更低，为 $1.419 vs $3.264。 Grok Build 0.1 (medium) 更快，为 55.13s vs 97.34s，通过率为 59.4% vs 58.0%。
已对比模型
- 排名
- #176
- 总输出令牌
- 529,806
- 响应时间（平均）
- 55.13s
- 总成本
- $1.419
推荐模型
Grok Build 0.1 (medium)
它在这里得分最高（6.7），同时成本比Ember-1 (max)低约 2.3 倍。
详细对比
| 指标 | Ember-1 Ember-1 max | Grok Build 0.1 Grok Build 0.1 medium |
|---|---|---|
| 分数 | 6.7 | 6.7 |
| 排名 | #181 | #176 |
| 可靠性 | 8.3 | 10.0 |
| 一致性 | 7.8 | 9.6 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 59.4% | 58.0% |
| 不稳定测试 | 6 | 1 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 29.671 | 10.910 |
| 总成本 | $3.264 | $1.419 |
| 输入价格 | $3.000 / 1M | $1.000 / 1M |
| 输出价格 | $15.000 / 1M | $2.000 / 1M |
| 总输入令牌 | 153,399 | 358,616 |
| 输出令牌 | 7,803 | 9,651 |
| 推理令牌 | 179,098 | 520,155 |
| 响应时间（平均） | 97.34s | 55.13s |
| 响应时间（最大） | 587.08s | 252.69s |
| 响应时间（总计） | 2238.73s | 1268.10s |
| 参数量 | ~2.8T 总计 (~104B 激活) | ~300B 总计 (~30B 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.
#181 Ember-1
max- 成本
- $0.163
- 时间
- 229.4s
- 令牌
- 11,002 tok
#176 SpaceXAI: Grok Build 0.1
medium- 成本
- $0.028
- 时间
- 81.3s
- 令牌
- 14,009 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
| 智能体任务 | 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 | 62.53s | 126,950 | 3,620 | 2,475 | |
| Grok Build 0.1 | 3.4 | 9.6 | 0.0% | 0 | 69.03s | 251,670 | 1,658 | 16,742 |
| 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 | |
| Grok Build 0.1 | 8.3 | 10.0 | 75.0% | 0 | 7.43s | 2,010 | 220 | 12,162 |
| 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 | |
| Grok Build 0.1 | 5.7 | 9.7 | 33.3% | 0 | 108.46s | 8,304 | 1,138 | 161,452 |
| 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 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 65.08s | 75,242 | 5,442 | 65,569 |
| 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 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 10.72s | 7,761 | 180 | 8,876 |
| 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 | |
| Grok Build 0.1 | 2.9 | 7.2 | 11.1% | 1 | 175.94s | 1,959 | 492 | 192,037 |
| 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 | |
| Grok Build 0.1 | 4.4 | 9.9 | 0.0% | 0 | 18.41s | 825 | 76 | 6,345 |
| 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 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 12.36s | 1,362 | 57 | 9,599 |
| 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 | |
| Grok Build 0.1 | 7.7 | 10.0 | 66.7% | 0 | 18.26s | 1,689 | 195 | 20,841 |
| 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 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 13.12s | 7,263 | 180 | 4,969 |
| 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 | |
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 53.51s | 531 | 13 | 21,563 |
快速对比
切换对比组合
Ember-1maxvsGPT 5.3 ChatnoneEmber-1maxvsMiniMax M3mediumEmber-1maxvsGPT-5.6 SolnoneEmber-1maxvsGrok 4.7highEmber-1maxvsSolar Pro 4lowSolar Pro 4xhighvsGrok Build 0.1mediumQwen3.5-FlashnonevsGrok Build 0.1mediumEmber-1maxvsQwen3.5-FlashnoneEmber-1maxvsGLM 5.3 FlashlowSolar Pro 4lowvsGrok Build 0.1mediumSpace Bunny AlphamaxvsGrok Build 0.1mediumEmber-1maxvsGPT-5.5none