- 排名
- #242
- 总输出令牌
- 186,901
- 响应时间（平均）
- 97.34s
- 总成本
- $3.264
Ember-1 (max) vs GLM 5.3 FlashX Legal (low)
平均分几乎持平，为 6.7 vs 6.7。 GLM 5.3 FlashX Legal (low) benchmark 成本更低，为 $0.135 vs $3.264。 GLM 5.3 FlashX Legal (low) 更快，为 8.30s vs 97.34s，通过率为 59.4% vs 55.1%。
已对比模型
- 排名
- #237
- 总输出令牌
- 37,995
- 响应时间（平均）
- 8.30s
- 总成本
- $0.135
推荐模型
GLM 5.3 FlashX Legal (low)
它在这里得分最高（6.7），同时成本比Ember-1 (max)低约 24.2 倍。
详细对比
| 指标 | Ember-1 Ember-1 max | GLM 5.3 FlashX Legal GLM 5.3 FlashX Legal low |
|---|---|---|
| 分数 | 6.7 | 6.7 |
| 排名 | #242 | #237 |
| 可靠性 | 8.3 | 9.7 |
| 一致性 | 7.8 | 7.8 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 59.4% | 55.1% |
| 不稳定测试 | 6 | 6 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 29.671 | 1.349 |
| 总成本 | $3.264 | $0.135 |
| 输入价格 | $3.000 / 1M | $0.370 / 1M |
| 输出价格 | $15.000 / 1M | $1.250 / 1M |
| 缓存读取价格 | $0.300 / 1M | $0.075 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 153,399 | 236,104 |
| 输出令牌 | 7,803 | 11,222 |
| 推理令牌 | 179,098 | 26,773 |
| 响应时间（平均） | 97.34s | 8.30s |
| 响应时间（最大） | 587.08s | 64.18s |
| 响应时间（总计） | 2238.73s | 190.99s |
| 参数量 | ~2.8T 总计 (~104B 激活) | ~320B 总计 (~18B 激活) |
| 开放状态 | 闭源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#242 Ember-1
max- 成本
- $0.163
- 时间
- 229.4s
- 令牌
- 11,002 tok
#237 GLM 5.3 FlashX Legal
low- 成本
- $0.003
- 时间
- 12.4s
- 令牌
- 2,362 tok
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 | |
| GLM 5.3 FlashX Legal | 10.0 | 10.0 | 100.0% | 0 | 59.27s | 131,366 | 1,125 | 5,112 |
| 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 | |
| GLM 5.3 FlashX Legal | 6.4 | 7.9 | 58.3% | 1 | 1.39s | 639 | 220 | 288 |
| 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 | |
| GLM 5.3 FlashX Legal | 5.4 | 7.2 | 44.4% | 1 | 5.90s | 7,317 | 465 | 3,760 |
| 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 | |
| GLM 5.3 FlashX Legal | 3.0 | 10.0 | 0.0% | 0 | 36.85s | 79,926 | 8,387 | 14,351 |
| 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 | |
| GLM 5.3 FlashX Legal | 10.0 | 10.0 | 100.0% | 0 | 1.55s | 7,149 | 210 | 130 |
| 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 | |
| GLM 5.3 FlashX Legal | 2.9 | 7.2 | 11.1% | 1 | 3.12s | 759 | 34 | 2,248 |
| 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 | |
| GLM 5.3 FlashX Legal | 3.4 | 2.2 | 33.3% | 1 | 1.35s | 498 | 156 | 80 |
| 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 | |
| GLM 5.3 FlashX Legal | 7.3 | 5.8 | 83.3% | 1 | 1.28s | 678 | 71 | 93 |
| 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 | |
| GLM 5.3 FlashX Legal | 8.2 | 7.2 | 88.9% | 1 | 2.10s | 672 | 320 | 251 |
| 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 | |
| GLM 5.3 FlashX Legal | 10.0 | 10.0 | 100.0% | 0 | 9.16s | 6,893 | 213 | 32 |
| 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 | |
| GLM 5.3 FlashX Legal | 3.0 | 10.0 | 0.0% | 0 | 2.91s | 207 | 21 | 428 |
快速对比
切换对比组合
Qwen3.5-FlashnonevsGLM 5.3 FlashX LegallowEmber-1maxvsGPT 5.3 ChatdefaultEmber-1maxvsMiniMax M3mediumEmber-1maxvsGPT-5.6 SolnoneEmber-1maxvsGrok 4.7highApodex 1.1 Minihigh免费可用vsEmber-1maxEmber-1maxvsSolar Pro 4lowGrok Build 0.1mediumvsGLM 5.3 FlashX LegallowGrok 4.7highvsGLM 5.3 FlashX LegallowMiniMax M3mediumvsGLM 5.3 FlashX LegallowEmber-1maxvsQwen3.5-FlashnoneGrok 4.7xhighvsGLM 5.3 FlashX Legallow