नेविगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Trinity Large Thinking (high) vs DeepSeek V4.1 Flash 1017

DeepSeek V4.1 Flash 1017 average score में आगे है: 5.8 vs 5.7. DeepSeek V4.1 Flash 1017 की benchmark लागत कम है: $0.055 vs $0.794. DeepSeek V4.1 Flash 1017 तेज है: 3.46s vs 74.52s, pass rates 42.0% vs 36.2%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-19

तुलना किए गए मॉडल

रैंक
#301
कुल आउटपुट टोकन
717,762
प्रतिक्रिया समय (औसत)
74.52s
कुल लागत
$0.794
रैंक
#296
कुल आउटपुट टोकन
16,806
प्रतिक्रिया समय (औसत)
3.46s
कुल लागत
$0.055
अनुशंसित मॉडल DeepSeek V4.1 Flash 1017

It has the best score here (5.8), while costing about 14.7x less than Trinity Large Thinking (high).

विस्तृत तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking high रिलीज़: 2026-07-28 DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 none रिलीज़: 2026-10-18
स्कोर 5.7 5.8
रैंक #301 #296
विश्वसनीयता 10.0 10.0
संगति 7.3 9.7
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 42.0% 36.2%
अस्थिर टेस्ट 8 1
कुल रन 69 69
प्रति परिणाम लागत 11.289 0.678
कुल लागत $0.794 $0.055
इनपुट कीमत $0.250 / 1M $0.150 / 1M
आउटपुट कीमत $0.800 / 1M $0.600 / 1M
कैश पढ़ने की कीमत $0.060 / 1M $0.003 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 283,116 293,927
आउटपुट टोकन 277,920 16,806
रीजनिंग टोकन 665,124 0
प्रतिक्रिया समय (औसत) 74.52s 3.46s
प्रतिक्रिया समय (अधिकतम) 510.21s 43.95s
प्रतिक्रिया समय (कुल) 1713.90s 79.48s
पैरामीटर 398B कुल (13B सक्रिय) ~748B कुल (~16B सक्रिय)
उपलब्धता वेट उपलब्ध मुक्त 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.

#301 Trinity Large Thinking

high
लागत
$0.028
समय
130.1s
टोकन
34,387 tok

#296 DeepSeek V4.1 Flash 1017

none
लागत
$0.001
समय
7.1s
टोकन
2,012 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 3.7 4.7 33.3% 2 245.04s 7,204 83,616 266,836
DeepSeek V4.1 Flash 1017 5.6 9.9 33.3% 0 2.38s 7,284 3,922 0

तुलना जोड़ी बदलें