नेविगेशन
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 Space Bunny Alpha (medium)

average score लगभग बराबर है: 6.3 vs 6.3. Space Bunny Alpha (medium) की benchmark लागत कम है: $0.000 vs $0.918. Space Bunny Alpha (medium) तेज है: 32.88s vs 95.16s, pass rates 47.8% vs 55.1%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-13

तुलना किए गए मॉडल

रैंक
#305
कुल आउटपुट टोकन
765,746
प्रतिक्रिया समय (औसत)
95.16s
कुल लागत
$0.918
रैंक
#303
कुल आउटपुट टोकन
192,115
प्रतिक्रिया समय (औसत)
32.88s
कुल लागत
$0.000
अनुशंसित मॉडल Trinity Large Thinking (low)

इस तुलना में इसका स्कोर सबसे अधिक है (6.3) और 2 मॉडलों में लागत और प्रतिक्रिया समय का समग्र संतुलन सबसे अच्छा है।

विस्तृत तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking low रिलीज़: 2026-07-28 Space Bunny Alpha Space Bunny Alpha medium रिलीज़: 2026-09-24
स्कोर 6.3 6.3
रैंक #305 #303
विश्वसनीयता 10.0 10.0
संगति 8.1 8.2
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 47.8% 55.1%
अस्थिर टेस्ट 6 5
कुल रन 69 69
प्रति परिणाम लागत 9.163 0.000
कुल लागत $0.918 $0.000
इनपुट कीमत $0.250 / 1M $0.000 / 1M
आउटपुट कीमत $0.800 / 1M $0.000 / 1M
कैश पढ़ने की कीमत $0.060 / 1M लागू नहीं
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 347,980 267,840
आउटपुट टोकन 121,898 192,115
रीजनिंग टोकन 720,302 0
प्रतिक्रिया समय (औसत) 95.16s 32.88s
प्रतिक्रिया समय (अधिकतम) 540.96s 197.32s
प्रतिक्रिया समय (कुल) 2188.74s 756.28s
पैरामीटर 398B कुल (13B 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.

#305 Trinity Large Thinking

low
लागत
$0.021
समय
173.2s
टोकन
24,586 tok

#303 Space Bunny Alpha

medium
लागत
$0.000
समय
35.4s
टोकन
4,894 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 5.3 10.0 33.3% 0 344.45s 5,441 27,039 217,241
Space Bunny Alpha 5.4 7.2 44.4% 1 6.82s 8,493 6,691 0

तुलना जोड़ी बदलें