নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Trinity Large Thinking (high) vs Mercury 2

Trinity Large Thinking (high) average score-এ এগিয়ে: 4.8 vs 4.6. Mercury 2-এর benchmark খরচ কম: $0.030 vs $0.632. Mercury 2 দ্রুত: 829ms vs 77.22s, pass rates 39.4% vs 22.7%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-28

র‍্যাঙ্ক
#202
মোট আউটপুট টোকেন
953,758
প্রতিক্রিয়া সময় (গড়)
77.22s
মোট খরচ
$0.632
র‍্যাঙ্ক
#211
মোট আউটপুট টোকেন
9,564
প্রতিক্রিয়া সময় (গড়)
829ms
মোট খরচ
$0.030
প্রস্তাবিত মডেল Mercury 2

Its score stays close to the best score here (4.6 vs 4.8), while costing about 21.5x less than Trinity Large Thinking (high).

বিস্তারিত তুলনা

মেট্রিক Trinity Large Thinking Trinity Large Thinking high প্রকাশ: 2026-07-28 Mercury 2 Mercury 2 none প্রকাশ: 2026-02-24
স্কোর 4.8 4.6
র‍্যাঙ্ক #202 #211
নির্ভরযোগ্যতা 9.9 10.0
ধারাবাহিকতা 7.2 9.2
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 39.4% 22.7%
অস্থির টেস্ট 8 2
মোট রান 66 66
প্রতি ফলাফলে খরচ 12.640 0.734
মোট খরচ $0.632 $0.030
ইনপুট মূল্য $0.220 / 1M $0.250 / 1M
আউটপুট মূল্য $0.850 / 1M $0.750 / 1M
মোট ইনপুট টোকেন 101,767 88,704
আউটপুট টোকেন 286,218 9,564
রিজনিং টোকেন 667,540 0
প্রতিক্রিয়া সময় (গড়) 77.22s 829ms
প্রতিক্রিয়া সময় (সর্বোচ্চ) 510.21s 4.52s
প্রতিক্রিয়া সময় (মোট) 1698.89s 18.24s

মডেল জেনারেশন শোকেস

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#202 Trinity Large Thinking

high
খরচ
$0.028
সময়
130.1s
টোকেন
34,387 tok

#211 Mercury 2

none
খরচ
$0.002
সময়
1.8s
টোকেন
1,514 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Trinity Large Thinking 3.7 4.7 33.3% 2 245.04s 7,204 83,616 266,836
Mercury 2 3.4 9.6 0.0% 0 1.03s 7,229 3,088 0

দ্রুত তুলনা

তুলনার জুটি বদলান