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

Trinity Large Thinking (low) vs Grok 4.20 (medium)

average score প্রায় সমান: 6.3 vs 6.3. Trinity Large Thinking (low)-এর benchmark খরচ কম: $0.918 vs $1.246. Grok 4.20 (medium) দ্রুত: 36.73s vs 95.16s, pass rates 47.8% vs 58.0%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-11-13

তুলনা করা মডেল

র‍্যাঙ্ক
#305
মোট আউটপুট টোকেন
765,746
প্রতিক্রিয়া সময় (গড়)
95.16s
মোট খরচ
$0.918
র‍্যাঙ্ক
#307
মোট আউটপুট টোকেন
302,087
প্রতিক্রিয়া সময় (গড়)
36.73s
মোট খরচ
$1.246
প্রস্তাবিত মডেল Grok 4.20 (medium)

It has the best score here (6.3), while responding about 2.6x faster than Trinity Large Thinking (low).

বিস্তারিত তুলনা

মেট্রিক Trinity Large Thinking Trinity Large Thinking low প্রকাশ: 2026-07-28 Grok 4.20 Grok 4.20 medium প্রকাশ: 2026-03-31
স্কোর 6.3 6.3
র‍্যাঙ্ক #305 #307
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.1 8.2
প্রচেষ্টা 69/69 69/69
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 47.8% 58.0%
অস্থির টেস্ট 6 5
মোট রান 69 69
প্রতি ফলাফলে খরচ 9.163 14.374
মোট খরচ $0.918 $1.246
ইনপুট মূল্য $0.250 / 1M $1.250 / 1M
আউটপুট মূল্য $0.800 / 1M $2.500 / 1M
ক্যাশ পড়ার মূল্য $0.060 / 1M $0.200 / 1M
ক্যাশ লেখার মূল্য প্রযোজ্য নয় প্রযোজ্য নয়
মোট ইনপুট টোকেন 347,980 392,127
আউটপুট টোকেন 121,898 7,754
রিজনিং টোকেন 720,302 294,333
প্রতিক্রিয়া সময় (গড়) 95.16s 36.73s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 540.96s 199.66s
প্রতিক্রিয়া সময় (মোট) 2188.74s 844.68s
প্যারামিটার 398B মোট (13B সক্রিয়) ~1T মোট (~100B সক্রিয়)
উপলভ্যতা ওজন উপলভ্য বন্ধ উৎস

ক্যাশের মূল্য ইনপুট টোকেনের জন্য প্রযোজ্য। পড়ার সময় ক্যাশ করা প্রম্পট আবার ব্যবহার হয়; লেখার সময় সেগুলি সংরক্ষিত হয় এবং বাড়তি খরচ হতে পারে। আউটপুট টোকেনের জন্য আউটপুট মূল্য প্রযোজ্য।

মডেল জেনারেশন শোকেস

Hamster playing table tennis

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

#305 Trinity Large Thinking

low
খরচ
$0.021
সময়
173.2s
টোকেন
24,586 tok

#307 SpaceXAI: Grok 4.20

medium
খরচ
$0.041
সময়
110.3s
টোকেন
16,336 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 5.3 10.0 33.3% 0 344.45s 5,441 27,039 217,241
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150

তুলনার জুটি বদলান