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 (medium) vs Gemini 2.5 Flash

Trinity Large Thinking (medium) average score-এ এগিয়ে: 6.1 vs 6.0. Gemini 2.5 Flash-এর benchmark খরচ কম: $0.017 vs $0.798. Gemini 2.5 Flash দ্রুত: 6.19s vs 85.44s, pass rates 48.5% vs 39.4%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-08-14

র‍্যাঙ্ক
#169
মোট আউটপুট টোকেন
1,016,785
প্রতিক্রিয়া সময় (গড়)
85.44s
মোট খরচ
$0.798
র‍্যাঙ্ক
#175
মোট আউটপুট টোকেন
1,890
প্রতিক্রিয়া সময় (গড়)
6.19s
মোট খরচ
$0.017
প্রস্তাবিত মডেল Gemini 2.5 Flash

Its score stays close to the best score here (6.0 vs 6.1), while costing about 47.8x less than Trinity Large Thinking (medium).

বিস্তারিত তুলনা

মেট্রিক Trinity Large Thinking Trinity Large Thinking medium প্রকাশ: 2026-07-28 Gemini 2.5 Flash Gemini 2.5 Flash none প্রকাশ: 2025-06-17
স্কোর 6.1 6.0
র‍্যাঙ্ক #169 #175
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 7.9 9.6
প্রচেষ্টা 66/66 66/66
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 48.5% 39.4%
অস্থির টেস্ট 6 1
মোট রান 66 66
প্রতি ফলাফলে খরচ 9.972 0.209
মোট খরচ $0.798 $0.017
ইনপুট মূল্য $0.220 / 1M $0.300 / 1M
আউটপুট মূল্য $0.850 / 1M $2.500 / 1M
মোট ইনপুট টোকেন 118,486 39,886
আউটপুট টোকেন 156,166 1,890
রিজনিং টোকেন 860,619 0
প্রতিক্রিয়া সময় (গড়) 85.44s 6.19s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 525.14s 118.00s
প্রতিক্রিয়া সময় (মোট) 1879.75s 136.23s
প্যারামিটার 398B মোট (13B সক্রিয়) ~350B মোট (~20B সক্রিয়)
উপলভ্যতা ওজন উপলভ্য বন্ধ উৎস

মডেল জেনারেশন শোকেস

Hamster playing table tennis

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

#169 Trinity Large Thinking

medium
খরচ
$0.016
সময়
75.9s
টোকেন
19,401 tok

#175 Gemini 2.5 Flash

none
অবৈধ SVG
খরচ
$0.164
সময়
215.5s
টোকেন
65,659 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 7.5 10.0 66.7% 0 179.02s 7,248 7,413 351,155
Gemini 2.5 Flash 5.5 10.0 33.3% 0 736ms 8,122 483 0

দ্রুত তুলনা

তুলনার জুটি বদলান