Muse Ember (xhigh) vs Kimi K3.1 Pro (low)

已对比模型

排名: #73
总输出令牌: 409,112
响应时间（平均）: 13.90s
总成本: $0.232

排名: #70
总输出令牌: 139,158
响应时间（平均）: 47.50s
总成本: $1.836

推荐模型 Muse Ember (xhigh)

它的得分接近这里的最高分（8.8 vs 8.8），同时成本比Kimi K3.1 Pro (low)低约 7.9 倍。

详细对比

指标	Muse Ember Muse Ember xhigh 发布日期: 2026-11-09	Kimi K3.1 Pro Kimi K3.1 Pro low 发布日期: 2026-10-24

指标	Muse Ember Muse Ember xhigh 发布日期: 2026-11-09	Kimi K3.1 Pro Kimi K3.1 Pro low 发布日期: 2026-10-24
分数	8.8	8.8
排名	#73	#70
可靠性	10.0	8.4
一致性	8.9	8.9
尝试次数	69/69	69/69
测试正确
尝试通过率	76.8%	81.2%
不稳定测试	3	3
总运行次数	69	69
每个结果成本	1.450	10.796
总成本	$0.232	$1.836
输入价格	$0.100 / 1M	$2.000 / 1M
输出价格	$0.500 / 1M	$10.000 / 1M
缓存读取价格	$0.004 / 1M	$0.200 / 1M
缓存写入价格	$0.125 / 1M	不适用
总输入令牌	274,208	221,802
输出令牌	11,740	12,498
推理令牌	397,372	126,660
响应时间（平均）	13.90s	47.50s
响应时间（最大）	79.38s	506.95s
响应时间（总计）	319.61s	1092.61s
参数量	~150B 总计 (~10B 激活)	~2.8T 总计 (~104B 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.

#73 Muse Ember

xhigh

成本: $0.008
时间: 24.3s
令牌: 14,705 tok

#70 MoonshotAI: Kimi K3.1 Pro

low

fetch failed

成本: $0.000
时间: 10.7s
令牌: 0 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		47.42s	151,581	2,661	2,824
Kimi K3.1 Pro	10.0	10.0	100.0%	0		69.28s	103,362	1,789	2,468

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		2.05s	798	288	5,861
Kimi K3.1 Pro	10.0	10.0	100.0%	0		5.90s	1,650	286	1,982

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		10.41s	7,410	1,225	40,702
Kimi K3.1 Pro	10.0	10.0	100.0%	0		18.91s	8,070	468	7,531

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		13.24s	91,473	4,513	21,164
Kimi K3.1 Pro	6.5	10.0	50.0%	0		52.27s	88,134	8,439	5,435

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	7.3	5.8	83.3%	1		3.59s	7,215	368	5,817
Kimi K3.1 Pro	10.0	10.0	100.0%	0		5.31s	7,845	273	394

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	5.3	7.2	44.4%	1		23.77s	873	1,044	76,708
Kimi K3.1 Pro	4.1	4.4	44.5%	2		243.49s	1,515	150	99,091

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		2.88s	522	214	2,610
Kimi K3.1 Pro	10.0	10.0	100.0%	0		7.96s	735	166	608

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	6.5	10.0	50.0%	0		4.17s	759	241	7,345
Kimi K3.1 Pro	10.0	10.0	100.0%	0		5.84s	1,185	147	961

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	5.9	7.2	55.6%	1		29.02s	786	504	202,040
Kimi K3.1 Pro	7.6	7.2	77.8%	1		7.29s	1,425	376	1,588

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		3.93s	12,563	448	1,643
Kimi K3.1 Pro	10.0	10.0	100.0%	0		11.24s	7,413	348	227

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		25.61s	228	234	30,658
Kimi K3.1 Pro	3.0	10.0	0.0%	0		44.64s	468	56	6,375

切换对比组合

DeepSeek V4.1 FlashhighvsMuse Emberxhigh DeepSeek V4.1 FlashmediumvsMuse Emberxhigh Muse EmberxhighvsKimi K3.1 Promax Kimi K3.1 ProlowvsGPT-5.4medium Muse EmberxhighvsGPT-5.4medium Kimi K3.1 ProlowvsPareto 26.9default Claude Fable 5mediumvsKimi K3.1 Prolow Muse EmberminimalvsKimi K3.1 Prolow Muse Spark 1.1mediumvsKimi K3.1 Prolow Muse Spark 1.2mediumvsKimi K3.1 Prolow Muse EmberxhighvsQwen3.8 MAXlow Muse EmberxhighvsGPT-5.2medium