- 排名
- #277
- 总输出令牌
- 11,832
- 响应时间（平均）
- 22.65s
- 总成本
- $0.786
Ember-1 vs Step 3.5 Flash (medium)
平均分几乎持平，为 5.4 vs 5.4。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.105 vs $0.786。 Ember-1 更快，为 22.65s vs 190.48s，通过率为 43.5% vs 49.3%。
已对比模型
- 排名
- #276
- 总输出令牌
- 607,130
- 响应时间（平均）
- 190.48s
- 总成本
- $0.105
推荐模型
Step 3.5 Flash (medium)
它在这里得分最高（5.4），同时成本比Ember-1低约 7.5 倍。
详细对比
| 指标 | Ember-1 Ember-1 none | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| 分数 | 5.4 | 5.4 |
| 排名 | #277 | #276 |
| 可靠性 | 8.8 | 10.0 |
| 一致性 | 8.6 | 8.3 |
| 尝试次数 | 69/69 | 66/69 |
| 测试正确 | ||
| 尝试通过率 | 43.5% | 49.3% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 69 | 66 |
| 每个结果成本 | 9.817 | 1.047 |
| 总成本 | $0.786 | $0.105 |
| 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 | 202,617 | 139,086 |
| 输出令牌 | 11,832 | 193,584 |
| 推理令牌 | 0 | 413,546 |
| 响应时间（平均） | 22.65s | 190.48s |
| 响应时间（最大） | 93.12s | 1597.85s |
| 响应时间（总计） | 520.91s | 3238.23s |
| 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.
#277 Ember-1
none- 成本
- $0.156
- 时间
- 224.6s
- 令牌
- 10,555 tok
#276 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
| 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 | 6.1 | 3.1 | 66.7% | 1 | 92.87s | 175,191 | 9,168 | 0 | |
| Step 3.5 Flash | 2.8 | 1.6 | 33.3% | 1 | 172.16s | 73,370 | 4,160 | 34,434 |
| 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 | 5.2 | 7.9 | 41.7% | 1 | 22.37s | 796 | 867 | 0 | |
| 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 | 5.5 | 10.0 | 33.3% | 0 | 1.94s | 7,485 | 393 | 0 | |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 49.01s | 12,162 | 327 | 0 | |
| 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 | 35.25s | 4,017 | 161 | 0 | |
| 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 | 5.3 | 10.0 | 33.3% | 0 | 21.61s | 804 | 68 | 0 | |
| 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 | 5.0 | 10.0 | 0.0% | 0 | 2.28s | 540 | 160 | 0 | |
| 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 | 6.4 | 5.8 | 66.7% | 1 | 31.00s | 509 | 81 | 0 | |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 2.54s | 840 | 569 | 0 | |
| 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 | 26.44s | 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 | 1.05s | 273 | 38 | 0 | |
| 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
Step 3.5 FlashmediumvsMiMo-V2.6-FlashnoneStep 3.5 FlashmediumvsHy4 previewlowEmber-1nonevsHy4 previewlowNorth Mini Codemedium免费可用vsEmber-1noneGPT-5.6 LunanonevsStep 3.5 FlashmediumEmber-1nonevsGranite 4.2 8BlowGranite 4.2 8BlowvsStep 3.5 FlashmediumKimi K2.5nonevsStep 3.5 FlashmediumQwen3.8 27Bnone免费可用vsStep 3.5 FlashmediumSeed-2.0-CodenonevsStep 3.5 FlashmediumLaguna XS 2.1none免费可用vsStep 3.5 FlashmediumQwen3.6 35B A3BnonevsStep 3.5 Flashmedium