নেভিগেশন
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 Beam 1.0 501B A23B (high)

average score প্রায় সমান: 6.1 vs 6.1. Beam 1.0 501B A23B (high)-এর benchmark খরচ কম: $0.674 vs $0.862. Beam 1.0 501B A23B (high) দ্রুত: 9.03s vs 84.01s, pass rates 49.3% vs 59.4%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-10-17

তুলনা করা মডেল

র‍্যাঙ্ক
#267
মোট আউটপুট টোকেন
925,046
প্রতিক্রিয়া সময় (গড়)
84.01s
মোট খরচ
$0.862
র‍্যাঙ্ক
#266
মোট আউটপুট টোকেন
147,207
প্রতিক্রিয়া সময় (গড়)
9.03s
মোট খরচ
$0.674
প্রস্তাবিত মডেল Beam 1.0 501B A23B (high)

It has the best score here (6.1), while responding about 9.3x faster than Trinity Large Thinking (medium).

বিস্তারিত তুলনা

মেট্রিক Trinity Large Thinking Trinity Large Thinking medium প্রকাশ: 2026-07-28 Beam 1.0 501B A23B Beam 1.0 501B A23B high প্রকাশ: 2026-10-17
স্কোর 6.1 6.1
র‍্যাঙ্ক #267 #266
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 7.7 8.3
প্রচেষ্টা 69/69 69/69
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 49.3% 59.4%
অস্থির টেস্ট 7 5
মোট রান 69 69
প্রতি ফলাফলে খরচ 10.772 6.126
মোট খরচ $0.862 $0.674
ইনপুট মূল্য $0.250 / 1M $1.000 / 1M
আউটপুট মূল্য $0.800 / 1M $3.000 / 1M
ক্যাশ পড়ার মূল্য $0.060 / 1M $0.100 / 1M
ক্যাশ লেখার মূল্য প্রযোজ্য নয় প্রযোজ্য নয়
মোট ইনপুট টোকেন 319,352 232,218
আউটপুট টোকেন 158,447 4,944
রিজনিং টোকেন 875,524 142,263
প্রতিক্রিয়া সময় (গড়) 84.01s 9.03s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 525.14s 36.04s
প্রতিক্রিয়া সময় (মোট) 1932.24s 207.67s
প্যারামিটার 398B মোট (13B সক্রিয়) 501B মোট (23B সক্রিয়)
উপলভ্যতা ওজন উপলভ্য উন্মুক্ত 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.

#267 Trinity Large Thinking

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

#266 Beam 1.0 501B A23B

high
খরচ
$0.008
সময়
15.6s
টোকেন
6,162 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
Beam 1.0 501B A23B 8.4 7.4 88.9% 1 21.05s 7,800 559 44,608

তুলনার জুটি বদলান