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 Step 5 Preview (medium)

average score প্রায় সমান: 6.1 vs 6.1. Trinity Large Thinking (medium)-এর benchmark খরচ কম: $0.862 vs $4.136. Trinity Large Thinking (medium) দ্রুত: 84.01s vs 136.10s, pass rates 49.3% vs 53.6%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-10-09

তুলনা করা মডেল

র‍্যাঙ্ক
#246
মোট আউটপুট টোকেন
925,046
প্রতিক্রিয়া সময় (গড়)
84.01s
মোট খরচ
$0.862
র‍্যাঙ্ক
#250
মোট আউটপুট টোকেন
1,434,621
প্রতিক্রিয়া সময় (গড়)
136.10s
মোট খরচ
$4.136
প্রস্তাবিত মডেল Trinity Large Thinking (medium)

It has the best score here (6.1), while costing about 4.8x less than Step 5 Preview (medium).

বিস্তারিত তুলনা

মেট্রিক Trinity Large Thinking Trinity Large Thinking medium প্রকাশ: 2026-07-28 Step 5 Preview Step 5 Preview medium প্রকাশ: 2026-10-09
স্কোর 6.1 6.1
র‍্যাঙ্ক #246 #250
নির্ভরযোগ্যতা 10.0 9.6
ধারাবাহিকতা 7.7 8.2
প্রচেষ্টা 69/69 69/69
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 49.3% 53.6%
অস্থির টেস্ট 7 5
মোট রান 69 69
প্রতি ফলাফলে খরচ 10.772 41.354
মোট খরচ $0.862 $4.136
ইনপুট মূল্য $0.250 / 1M $1.000 / 1M
আউটপুট মূল্য $0.800 / 1M $2.700 / 1M
ক্যাশ পড়ার মূল্য $0.060 / 1M $0.050 / 1M
ক্যাশ লেখার মূল্য প্রযোজ্য নয় প্রযোজ্য নয়
মোট ইনপুট টোকেন 319,352 261,842
আউটপুট টোকেন 158,447 1,434,621
রিজনিং টোকেন 875,524 0
প্রতিক্রিয়া সময় (গড়) 84.01s 136.10s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 525.14s 438.09s
প্রতিক্রিয়া সময় (মোট) 1932.24s 3130.27s
প্যারামিটার 398B মোট (13B সক্রিয়) 600B মোট (27B 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.

#246 Trinity Large Thinking

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

#250 Step 5 Preview

medium
খরচ
$0.042
সময়
90.3s
টোকেন
15,574 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
Step 5 Preview 2.8 7.2 11.1% 1 363.90s 7,428 546,725 0

তুলনার জুটি বদলান