Muse Ember (medium) vs Grok 4.6 (high)

已对比模型

排名: #97
总输出令牌: 324,857
响应时间（平均）: 12.39s
总成本: $0.190

排名: #98
总输出令牌: 312,614
响应时间（平均）: 87.48s
总成本: $2.629

推荐模型 Muse Ember (medium)

它在这里得分最高（8.5），同时成本比Grok 4.6 (high)低约 13.8 倍。

详细对比

指标	Muse Ember Muse Ember medium 发布日期: 2026-11-09	Grok 4.6 Grok 4.6 high 发布日期: 2026-08-12

指标	Muse Ember Muse Ember medium 发布日期: 2026-11-09	Grok 4.6 Grok 4.6 high 发布日期: 2026-08-12
分数	8.5	8.5
排名	#97	#98
可靠性	10.0	10.0
一致性	8.2	10.0
尝试次数	69/69	69/69
测试正确
尝试通过率	75.4%	82.6%
不稳定测试	5	0
总运行次数	69	69
每个结果成本	1.266	13.833
总成本	$0.190	$2.629
输入价格	$0.100 / 1M	$2.000 / 1M
输出价格	$0.500 / 1M	$6.000 / 1M
缓存读取价格	$0.004 / 1M	$0.500 / 1M
缓存写入价格	$0.125 / 1M	不适用
总输入令牌	274,381	376,233
输出令牌	12,835	6,687
推理令牌	312,022	305,927
响应时间（平均）	12.39s	87.48s
响应时间（最大）	75.32s	618.49s
响应时间（总计）	285.08s	2012.15s
参数量	~150B 总计 (~10B 激活)	~1.7T 总计 (~170B 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.

#97 Muse Ember

medium

成本: $0.003
时间: 10.0s
令牌: 5,136 tok

#98 SpaceXAI: Grok 4.6

high

成本: $0.107
时间: 265.1s
令牌: 18,001 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

类别:

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
Muse Ember	10.0	10.0	100.0%	0		47.20s	150,276	2,648	2,320
Grok 4.6	5.0	10.0	0.0%	0		160.89s	268,958	1,593	28,804

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
Muse Ember	10.0	10.0	100.0%	0		2.38s	798	234	4,163
Grok 4.6	10.0	10.0	100.0%	0		14.44s	2,991	79	6,805

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
Muse Ember	10.0	10.0	100.0%	0		6.94s	7,410	1,074	25,110
Grok 4.6	10.0	10.0	100.0%	0		102.20s	9,579	379	51,829

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
Muse Ember	10.0	10.0	100.0%	0		9.77s	94,000	5,591	12,180
Grok 4.6	10.0	10.0	100.0%	0		91.77s	68,548	3,931	34,529

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
Muse Ember	6.3	5.8	66.7%	1		3.39s	7,215	328	4,360
Grok 4.6	10.0	10.0	100.0%	0		16.08s	8,937	225	6,590

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
Muse Ember	3.6	7.2	22.2%	1		35.64s	873	1,370	161,711
Grok 4.6	5.3	10.0	33.3%	0		369.95s	2,523	14	154,471

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
Muse Ember	10.0	10.0	100.0%	0		3.37s	522	191	1,946
Grok 4.6	10.0	10.0	100.0%	0		19.51s	1,077	56	2,448

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
Muse Ember	7.3	6.0	83.3%	1		3.38s	759	179	4,108
Grok 4.6	9.8	10.0	100.0%	0		13.82s	1,857	57	4,318

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
Muse Ember	5.2	4.4	55.6%	2		16.70s	786	817	85,919
Grok 4.6	10.0	10.0	100.0%	0		15.56s	2,430	122	5,706

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
Muse Ember	10.0	10.0	100.0%	0		4.09s	11,514	288	1,121
Grok 4.6	10.0	10.0	100.0%	0		13.30s	8,544	216	1,505

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
Muse Ember	3.0	10.0	0.0%	0		9.98s	228	115	9,084
Grok 4.6	3.0	10.0	0.0%	0		54.22s	789	15	8,922

切换对比组合

Muse Spark 1.3lowvsGrok 4.6high Claude Sonnet 5mediumvsGrok 4.6high Muse EmbermediumvsQwen3.8 Max (0902)low Particle-1mediumvsGrok 4.6high Qwen3.7 MaxmediumvsGrok 4.6high Qwen3.8 Max (0902)lowvsGrok 4.6high Claude Haiku 5.5lowvsMuse Embermedium Claude Haiku 5.5lowvsGrok 4.6high Claude Haiku 5.5maxvsGrok 4.6high Claude Haiku 5.5maxvsMuse Embermedium Claude Sonnet 5.5highvsMuse Embermedium Claude Fable 5.2lowvsMuse Embermedium