Trinity Large Thinking (high) vs Mercury 2

Model yang direkomendasikan Mercury 2

Its score stays close to the best score here (4.6 vs 4.8), while costing about 21.5x less than Trinity Large Thinking (high).

Perbandingan terperinci

Metrik	Trinity Large Thinking Trinity Large Thinking high Rilis: 2026-07-28	Mercury 2 Mercury 2 none Rilis: 2026-02-24

Metrik	Trinity Large Thinking Trinity Large Thinking high Rilis: 2026-07-28	Mercury 2 Mercury 2 none Rilis: 2026-02-24
Skor	4.8	4.6
Peringkat	#202	#211
Keandalan	9.9	10.0
Konsistensi	7.2	9.2
Tes benar
Tingkat lulus per percobaan	39.4%	22.7%
Tes tidak stabil	8	2
Total Run	66	66
Biaya per hasil	12.640	0.734
Total Biaya	$0.632	$0.030
Harga input	$0.220 / 1M	$0.250 / 1M
Harga output	$0.850 / 1M	$0.750 / 1M
Total token input	101,767	88,704
Token output	286,218	9,564
Token penalaran	667,540	0
Waktu respons (rata-rata)	77.22s	829ms
Waktu respons (maks)	510.21s	4.52s
Waktu respons (total)	1698.89s	18.24s

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

high

none

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	6.7	8.1	58.3%	1		4.13s	663	3,108	7,565
Mercury 2	3.0	10.0	0.0%	0		483ms	631	286	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	3.7	4.7	33.3%	2		245.04s	7,204	83,616	266,836
Mercury 2	3.4	9.6	0.0%	0		1.03s	7,229	3,088	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	3.0	10.0	0.0%	0		262.39s	76,626	14,706	149,243
Mercury 2	3.0	10.0	0.0%	0		2.56s	65,412	5,256	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	6.3	5.8	66.7%	1		13.98s	6,906	580	9,338
Mercury 2	7.3	5.9	83.3%	1		667ms	6,362	180	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	2.9	7.2	11.1%	1		76.92s	747	173,215	177,379
Mercury 2	5.3	7.2	44.4%	1		534ms	784	46	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	6.5	3.4	66.7%	1		12.90s	501	5,700	5,942
Mercury 2	4.8	10.0	0.0%	0		628ms	495	159	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	6.3	10.0	50.0%	0		4.12s	684	88	2,853
Mercury 2	6.5	10.0	50.0%	0		551ms	691	82	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	4.7	5.2	33.3%	2		3.84s	678	2,566	3,368
Mercury 2	3.1	10.0	0.0%	0		535ms	694	251	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	10.0	10.0	100.0%	0		5.96s	7,551	282	1,440
Mercury 2	10.0	10.0	100.0%	0		1.27s	6,193	197	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Trinity Large Thinking	3.0	10.0	0.0%	0		125.13s	207	2,357	43,576
Mercury 2	3.0	10.0	0.0%	0		548ms	213	19	0

Ganti Pasangan Perbandingan