नेव्हिगेशन
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 (xhigh)

Trinity Large Thinking (low) average score मध्ये पुढे आहे: 6.3 vs 6.2. Space Bunny Alpha (xhigh) चा benchmark खर्च कमी आहे: $0.000 vs $0.918. Space Bunny Alpha (xhigh) वेगवान आहे: 60.03s vs 95.16s, pass rates 47.8% vs 55.1%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-13

तुलना केलेली मॉडेल्स

क्रमांक
#305
एकूण आउटपुट टोकन्स
765,746
प्रतिसाद वेळ (सरासरी)
95.16s
एकूण खर्च
$0.918
क्रमांक
#308
एकूण आउटपुट टोकन्स
381,919
प्रतिसाद वेळ (सरासरी)
60.03s
एकूण खर्च
$0.000
शिफारस केलेले मॉडेल Trinity Large Thinking (low)

या तुलनेत याचा गुण सर्वाधिक आहे (6.3) आणि 2 मॉडेल्समध्ये खर्च व प्रतिसाद वेळ यांचा एकूण समतोल सर्वोत्तम आहे.

तपशीलवार तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28 Space Bunny Alpha Space Bunny Alpha xhigh प्रकाशन: 2026-09-24
स्कोअर 6.3 6.2
क्रमांक #305 #308
विश्वसनीयता 10.0 10.0
सुसंगतता 8.1 7.1
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 47.8% 55.1%
अस्थिर चाचण्या 6 8
एकूण रन 69 69
प्रति निकाल खर्च 9.163 0.000
एकूण खर्च $0.918 $0.000
इनपुट किंमत $0.250 / 1M $0.000 / 1M
आउटपुट किंमत $0.800 / 1M $0.000 / 1M
कॅश वाचण्याची किंमत $0.060 / 1M लागू नाही
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 347,980 363,310
आउटपुट टोकन्स 121,898 381,919
रिझनिंग टोकन्स 720,302 0
प्रतिसाद वेळ (सरासरी) 95.16s 60.03s
प्रतिसाद वेळ (कमाल) 540.96s 459.99s
प्रतिसाद वेळ (एकूण) 2188.74s 1380.67s
पॅरामीटर्स 398B एकूण (13B सक्रिय) -
उपलब्धता वेट्स उपलब्ध बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#305 Trinity Large Thinking

low
खर्च
$0.021
वेळ
173.2s
टोकन्स
24,586 tok

#308 Space Bunny Alpha

xhigh
खर्च
$0.000
वेळ
98.6s
टोकन्स
10,913 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 5.3 10.0 33.3% 0 344.45s 5,441 27,039 217,241
Space Bunny Alpha 6.6 5.0 66.7% 2 10.64s 8,493 10,115 0

तुलना जोडी बदला