नेव्हिगेशन
AI BENCHY
Advertise here

Trinity Large Thinking (high) vs Mercury 2.5 Preview

Mercury 2.5 Preview average score मध्ये पुढे आहे: 4.9 vs 4.8. Mercury 2.5 Preview चा benchmark खर्च कमी आहे: $0.018 vs $0.592. Mercury 2.5 Preview वेगवान आहे: 3.51s vs 75.86s, pass rates 39.4% vs 30.3%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-02

क्रमांक
#266
एकूण आउटपुट टोकन्स
932,619
प्रतिसाद वेळ (सरासरी)
75.86s
एकूण खर्च
$0.592
क्रमांक
#259
एकूण आउटपुट टोकन्स
82,585
प्रतिसाद वेळ (सरासरी)
3.51s
एकूण खर्च
$0.018
शिफारस केलेले मॉडेल Mercury 2.5 Preview

It has the best score here (4.9), while costing about 33.6x less than Trinity Large Thinking (high).

तपशीलवार तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking high प्रकाशन: 2026-07-28 Mercury 2.5 Preview Mercury 2.5 Preview none प्रकाशन: 2026-09-02
स्कोअर 4.8 4.9
क्रमांक #266 #259
विश्वसनीयता 10.0 10.0
सुसंगतता 7.2 8.3
प्रयत्न 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 39.4% 30.3%
अस्थिर चाचण्या 8 5
एकूण रन 66 66
प्रति निकाल खर्च 12.473 0.440
एकूण खर्च $0.592 $0.018
इनपुट किंमत $0.250 / 1M $0.040 / 1M
आउटपुट किंमत $0.800 / 1M $0.150 / 1M
एकूण इनपुट टोकन्स 101,776 130,296
आउटपुट टोकन्स 276,367 82,585
रिझनिंग टोकन्स 656,252 0
प्रतिसाद वेळ (सरासरी) 75.86s 3.51s
प्रतिसाद वेळ (कमाल) 510.21s 60.70s
प्रतिसाद वेळ (एकूण) 1668.93s 77.28s
पॅरामीटर्स 398B एकूण (13B सक्रिय) ~100B
उपलब्धता वेट्स उपलब्ध बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#266 Trinity Large Thinking

high
खर्च
$0.028
वेळ
130.1s
टोकन्स
34,387 tok

#259 Mercury 2.5 Preview

none
अवैध SVG
खर्च
$0.001
वेळ
3.3s
टोकन्स
3,122 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Trinity Large Thinking 3.7 4.7 33.3% 2 245.04s 7,204 83,616 266,836
Mercury 2.5 Preview 4.7 7.9 22.2% 1 459ms 7,850 650 0

झटपट तुलना

तुलना जोडी बदला

Trinity Large ThinkinghighvsGPT-5.4 NanononeTrinity Large ThinkinghighvsNemotron 3.5 Lightninglowमोफत उपलब्धTrinity Large ThinkinghighvsRing-2.6-1TnoneTrinity Large ThinkinghighvsKAT-Coder-Air V2.5noneTrinity Large ThinkinghighvsHy4 previewnoneTrinity Large ThinkinghighvsGLM 4.7 FlashnoneTrinity Large ThinkinghighvsNemotron 3 Supernoneमोफत उपलब्धTrinity Large ThinkinghighvsLing-2.6-flashnoneMercury 2.5 PreviewnonevsLaguna S 2.1lowमोफत उपलब्धMercury 2.5 PreviewnonevsNemotron 3.5 Lightninglowमोफत उपलब्धTrinity Large ThinkinghighvsCobuddymediumMercury 2.5 PreviewnonevsMiniMax M2.7medium