नेविगेशन
Advertise here

Trinity Large Thinking (high) vs Qwen3.8 Flash Next

Qwen3.8 Flash Next average score में आगे है: 5.8 vs 5.7. Qwen3.8 Flash Next की benchmark लागत कम है: ~$0.011 vs $0.794. Qwen3.8 Flash Next तेज है: 5.71s vs 74.52s, pass rates 42.0% vs 43.5%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-18

तुलना किए गए मॉडल

रैंक
#366
कुल आउटपुट टोकन
717,762
प्रतिक्रिया समय (औसत)
74.52s
कुल लागत
$0.794
रैंक
#359
कुल आउटपुट टोकन
9,077
प्रतिक्रिया समय (औसत)
5.71s
कुल लागत
~$0.011
अनुशंसित मॉडल Qwen3.8 Flash Next

It has the best score here (5.8), while costing about 73.3x less than Trinity Large Thinking (high).

विस्तृत तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking high रिलीज़: 2026-07-28 Qwen3.8 Flash Next Qwen3.8 Flash Next none रिलीज़: 2026-10-04
स्कोर 5.7 5.8
रैंक #366 #359
विश्वसनीयता 10.0 10.0
संगति 7.3 9.0
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 42.0% 43.5%
अस्थिर टेस्ट 8 3
कुल रन 69 69
प्रति परिणाम लागत 11.289 ~0.136
कुल लागत $0.794 ~$0.011
इनपुट कीमत $0.250 / 1M लागू नहीं
आउटपुट कीमत $0.800 / 1M लागू नहीं
कैश पढ़ने की कीमत $0.060 / 1M लागू नहीं
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 283,116 266,004
आउटपुट टोकन 277,920 9,077
रीजनिंग टोकन 665,124 0
प्रतिक्रिया समय (औसत) 74.52s 5.71s
प्रतिक्रिया समय (अधिकतम) 510.21s 65.25s
प्रतिक्रिया समय (कुल) 1713.90s 131.36s
पैरामीटर 398B कुल (13B सक्रिय) 180B कुल (6B सक्रिय)
उपलब्धता वेट उपलब्ध वेट उपलब्ध

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.

#366 Trinity Large Thinking

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

#359 Qwen3.8 Flash Next

none
लागत
~$0.001
समय
27.5s
टोकन
2,983 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
Qwen3.8 Flash Next 5.5 10.0 33.3% 0 1.64s 7,911 669 0

तुलना जोड़ी बदलें