Trinity Large Thinking (low) vs KAT-Coder-Pro V2.5 (medium)

Trinity Large Thinking (low) average score में आगे है: 6.3 vs 6.2. KAT-Coder-Pro V2.5 (medium) की benchmark लागत कम है: $0.478 vs $0.700. KAT-Coder-Pro V2.5 (medium) तेज है: 23.94s vs 95.16s, pass rates 47.8% vs 62.3%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-01

तुलना किए गए मॉडल

रैंक: #222
कुल आउटपुट टोकन: 842,200
प्रतिक्रिया समय (औसत): 95.16s
कुल लागत: $0.700

रैंक: #226
कुल आउटपुट टोकन: 139,375
प्रतिक्रिया समय (औसत): 23.94s
कुल लागत: $0.478

अनुशंसित मॉडल KAT-Coder-Pro V2.5 (medium)

Its score stays close to the best score here (6.2 vs 6.3), while responding about 4.0x faster than Trinity Large Thinking (low).

विस्तृत तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low रिलीज़: 2026-07-28	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium रिलीज़: 2026-07-14

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low रिलीज़: 2026-07-28	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium रिलीज़: 2026-07-14
स्कोर	6.3	6.2
रैंक	#222	#226
विश्वसनीयता	10.0	10.0
संगति	8.1	7.2
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	47.8%	62.3%
अस्थिर टेस्ट	6	8
कुल रन	69	69
प्रति परिणाम लागत	9.163	4.342
कुल लागत	$0.700	$0.478
इनपुट कीमत	$0.250 / 1M	$0.740 / 1M
आउटपुट कीमत	$0.800 / 1M	$2.960 / 1M
कुल इनपुट टोकन	347,980	87,916
आउटपुट टोकन	121,898	7,213
रीजनिंग टोकन	720,302	132,162
प्रतिक्रिया समय (औसत)	95.16s	23.94s
प्रतिक्रिया समय (अधिकतम)	540.96s	257.00s
प्रतिक्रिया समय (कुल)	2188.74s	550.52s
पैरामीटर	398B कुल (13B सक्रिय)	~700B कुल (~72B सक्रिय)
उपलब्धता	वेट उपलब्ध	बंद स्रोत

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#222 Trinity Large Thinking

low

लागत: $0.021
समय: 173.2s
टोकन: 24,586 tok

#226 KAT-Coder-Pro V2.5

medium

लागत: $0.009
समय: 25.6s
टोकन: 2,939 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

श्रेणी:

स्वायत्त एजेंट कार्य	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	7.4	3.8	66.7%	1		63.23s	225,126	2,088	21,753
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		3.38s	0	0	0

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	8.3	10.0	75.0%	0		5.70s	663	1,451	5,431
KAT-Coder-Pro V2.5	8.2	7.9	83.3%	1		3.90s	672	208	3,868

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	5.3	10.0	33.3%	0		344.45s	5,441	27,039	217,241
KAT-Coder-Pro V2.5	7.8	10.0	66.7%	0		33.10s	7,893	416	33,658

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	5.2	6.0	33.3%	1		291.02s	99,467	9,848	234,039
KAT-Coder-Pro V2.5	6.4	5.8	66.7%	1		135.75s	60,289	5,478	51,591

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	7.3	5.8	83.3%	1		14.30s	6,906	459	9,451
KAT-Coder-Pro V2.5	7.3	5.9	83.3%	1		4.70s	7,776	275	2,122

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	2.9	7.2	11.1%	1		140.26s	756	72,049	217,598
KAT-Coder-Pro V2.5	2.9	4.4	22.2%	2		35.11s	780	36	33,495

Samanya Buddhimatta	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	10.0	10.0	100.0%	0		12.65s	501	5,138	5,695
KAT-Coder-Pro V2.5	4.7	3.1	33.3%	1		2.35s	516	92	381

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	4.4	6.8	16.7%	1		4.07s	684	45	3,710
KAT-Coder-Pro V2.5	9.9	10.0	100.0%	0		2.58s	699	83	971

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	6.3	7.9	44.4%	1		3.28s	678	2,625	3,077
KAT-Coder-Pro V2.5	5.9	4.5	66.7%	2		3.20s	696	325	1,867

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	10.0	10.0	100.0%	0		5.19s	7,551	299	1,430
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		19.02s	8,391	282	1,010

सामान्य ज्ञान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	3.0	10.0	0.0%	0		2.10s	207	857	877
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		9.87s	204	18	3,199

त्वरित तुलना

तुलना जोड़ी बदलें

Trinity Large ThinkinglowvsDeepSeek V3.2medium Trinity Large ThinkinglowvsSpace Bunny Alphamedium KAT-Coder-Pro V2.5mediumvsSpace Bunny Alphaxhigh DeepSeek V4 Flash 0731nonevsKAT-Coder-Pro V2.5medium Trinity Large ThinkinglowvsDeepSeek V4 Flash 0423none Trinity Large ThinkinglowvsGrok 4.20medium Trinity Large ThinkinglowvsQwen3.5 Plus 2026-02-15none Trinity Large ThinkinglowvsSolar Pro 4high Gemini 3.1 Flash Lite PreviewnonevsKAT-Coder-Pro V2.5medium DeepSeek V4 Flash 0423nonevsKAT-Coder-Pro V2.5medium Claude Fable 5.1lowvsKAT-Coder-Pro V2.5medium Trinity Large ThinkinglowvsSpace Bunny Alphaxhigh