Trinity Large Thinking (medium) vs Space Bunny Alpha (xhigh)

Space Bunny Alpha (xhigh) average score मध्ये पुढे आहे: 6.2 vs 6.1. Space Bunny Alpha (xhigh) चा benchmark खर्च कमी आहे: $0.000 vs $0.820. Space Bunny Alpha (xhigh) वेगवान आहे: 60.03s vs 84.01s, pass rates 49.3% vs 55.1%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #232
एकूण आउटपुट टोकन्स: 1,033,971
प्रतिसाद वेळ (सरासरी): 84.01s
एकूण खर्च: $0.820

क्रमांक: #225
एकूण आउटपुट टोकन्स: 381,919
प्रतिसाद वेळ (सरासरी): 60.03s
एकूण खर्च: $0.000

शिफारस केलेले मॉडेल Trinity Large Thinking (medium)

It has the best overall balance of score, reliability, cost, and response time in this comparison.

तपशीलवार तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking medium प्रकाशन: 2026-07-28	Space Bunny Alpha Space Bunny Alpha xhigh प्रकाशन: 2026-09-24

मेट्रिक	Trinity Large Thinking Trinity Large Thinking medium प्रकाशन: 2026-07-28	Space Bunny Alpha Space Bunny Alpha xhigh प्रकाशन: 2026-09-24
स्कोअर	6.1	6.2
क्रमांक	#232	#225
विश्वसनीयता	10.0	10.0
सुसंगतता	7.7	7.1
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	49.3%	55.1%
अस्थिर चाचण्या	7	8
एकूण रन	69	69
प्रति निकाल खर्च	10.772	0.000
एकूण खर्च	$0.820	$0.000
इनपुट किंमत	$0.250 / 1M	$0.000 / 1M
आउटपुट किंमत	$0.800 / 1M	$0.000 / 1M
एकूण इनपुट टोकन्स	319,352	363,310
आउटपुट टोकन्स	158,447	381,919
रिझनिंग टोकन्स	875,524	0
प्रतिसाद वेळ (सरासरी)	84.01s	60.03s
प्रतिसाद वेळ (कमाल)	525.14s	459.99s
प्रतिसाद वेळ (एकूण)	1932.24s	1380.67s
पॅरामीटर्स	398B एकूण (13B सक्रिय)	-
उपलब्धता	वेट्स उपलब्ध	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#232 Trinity Large Thinking

medium

खर्च: $0.016
वेळ: 75.9s
टोकन्स: 19,401 tok

#225 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

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	6.1	3.1	66.7%	1		52.50s	200,866	2,281	14,905
Space Bunny Alpha	5.2	3.2	33.3%	1		159.12s	224,595	29,052	0

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	6.8	9.8	50.0%	0		5.11s	663	1,531	6,078
Space Bunny Alpha	6.4	5.8	66.7%	2		3.02s	2,130	2,441	0

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	7.5	10.0	66.7%	0		179.02s	7,248	7,413	351,155
Space Bunny Alpha	6.6	5.0	66.7%	2		10.64s	8,493	10,115	0

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	2.9	6.0	16.7%	1		382.70s	93,292	35,814	269,745
Space Bunny Alpha	3.2	5.0	16.7%	1		37.06s	104,734	23,241	0

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	6.3	5.8	66.7%	1		16.38s	6,906	475	11,153
Space Bunny Alpha	10.0	10.0	100.0%	0		1.94s	7,890	808	0

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	5.3	7.2	44.4%	1		124.17s	756	99,334	172,018
Space Bunny Alpha	5.9	7.2	55.6%	1		234.13s	1,869	202,184	0

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	10.0	10.0	100.0%	0		32.22s	501	7,035	7,774
Space Bunny Alpha	5.0	10.0	0.0%	0		4.74s	855	1,097	0

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	4.4	6.9	16.7%	1		3.99s	684	77	3,798
Space Bunny Alpha	5.6	5.8	33.3%	1		2.22s	1,425	987	0

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	5.2	5.4	44.5%	2		2.90s	678	2,508	3,231
Space Bunny Alpha	7.9	9.9	66.7%	0		5.45s	1,782	4,016	0

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	10.0	10.0	100.0%	0		5.26s	7,551	299	1,372
Space Bunny Alpha	10.0	10.0	100.0%	0		3.83s	8,961	644	0

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	3.0	10.0	0.0%	0		97.44s	207	1,680	34,295
Space Bunny Alpha	3.0	10.0	0.0%	0		367.80s	576	107,334	0

झटपट तुलना

तुलना जोडी बदला