नेविगेशन
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 GPT-6 Luna (medium)

GPT-6 Luna (medium) average score में आगे है: 8.3 vs 5.7. GPT-6 Luna (medium) की benchmark लागत कम है: $0.047 vs $0.794. GPT-6 Luna (medium) तेज है: 18.07s vs 74.52s, pass rates 42.0% vs 73.9%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-24

तुलना किए गए मॉडल

रैंक
#304
कुल आउटपुट टोकन
717,762
प्रतिक्रिया समय (औसत)
74.52s
कुल लागत
$0.794
रैंक
#97
कुल आउटपुट टोकन
53,161
प्रतिक्रिया समय (औसत)
18.07s
कुल लागत
$0.047
अनुशंसित मॉडल GPT-6 Luna (medium)

It has the best score here (8.3), while costing about 16.9x less than Trinity Large Thinking (high).

विस्तृत तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking high रिलीज़: 2026-07-28 GPT-6 Luna GPT-6 Luna medium रिलीज़: 2026-09-23
स्कोर 5.7 8.3
रैंक #304 #97
विश्वसनीयता 10.0 10.0
संगति 7.3 8.9
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 42.0% 73.9%
अस्थिर टेस्ट 8 3
कुल रन 69 69
प्रति परिणाम लागत 11.289 0.313
कुल लागत $0.794 $0.047
इनपुट कीमत $0.250 / 1M $0.100 / 1M
आउटपुट कीमत $0.800 / 1M $0.500 / 1M
कैश पढ़ने की कीमत $0.060 / 1M $0.010 / 1M
कैश लिखने की कीमत लागू नहीं $0.125 / 1M
कुल इनपुट टोकन 283,116 203,193
आउटपुट टोकन 277,920 5,751
रीजनिंग टोकन 665,124 47,410
प्रतिक्रिया समय (औसत) 74.52s 18.07s
प्रतिक्रिया समय (अधिकतम) 510.21s 66.44s
प्रतिक्रिया समय (कुल) 1713.90s 415.53s
पैरामीटर 398B कुल (13B सक्रिय) ~400B कुल (~17B सक्रिय)
उपलब्धता वेट उपलब्ध बंद स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#304 Trinity Large Thinking

high
लागत
$0.028
समय
130.1s
टोकन
34,387 tok

#97 GPT-6 Luna

medium
लागत
$0.002
समय
23.6s
टोकन
2,966 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Trinity Large Thinking 3.7 4.7 33.3% 2 245.04s 7,204 83,616 266,836
GPT-6 Luna 6.6 4.6 77.8% 2 23.63s 7,302 438 10,222

तुलना जोड़ी बदलें