नेविगेशन
AI BENCHY
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 Qwen3.5-Flash (medium)

Qwen3.5-Flash (medium) average score में आगे है: 6.1 vs 6.0. Qwen3.5-Flash (medium) की benchmark लागत कम है: $0.142 vs $0.658. Qwen3.5-Flash (medium) तेज है: 84.44s vs 96.61s, pass rates 47.0% vs 65.2%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-14

रैंक
#174
कुल आउटपुट टोकन
818,359
प्रतिक्रिया समय (औसत)
96.61s
कुल लागत
$0.658
रैंक
#167
कुल आउटपुट टोकन
512,846
प्रतिक्रिया समय (औसत)
84.44s
कुल लागत
$0.142
अनुशंसित मॉडल Qwen3.5-Flash (medium)

It has the best score here (6.1), while costing about 4.7x less than Trinity Large Thinking (low).

विस्तृत तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking low रिलीज़: 2026-07-28 Qwen3.5-Flash Qwen3.5-Flash medium रिलीज़: 2026-02-24
स्कोर 6.0 6.1
रैंक #174 #167
विश्वसनीयता 10.0 10.0
संगति 8.3 7.8
प्रयास 66/66 66/66
सही परीक्षण
प्रति प्रयास पास दर 47.0% 65.2%
अस्थिर टेस्ट 5 6
कुल रन 66 66
प्रति परिणाम लागत 8.221 1.491
कुल लागत $0.658 $0.142
इनपुट कीमत $0.220 / 1M $0.065 / 1M
आउटपुट कीमत $0.850 / 1M $0.260 / 1M
कुल इनपुट टोकन 122,854 118,508
आउटपुट टोकन 119,810 35,457
रीजनिंग टोकन 698,549 477,389
प्रतिक्रिया समय (औसत) 96.61s 84.44s
प्रतिक्रिया समय (अधिकतम) 540.96s 515.38s
प्रतिक्रिया समय (कुल) 2125.51s 1773.20s
पैरामीटर 398B कुल (13B सक्रिय) ~35B कुल (~3B 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.

#174 Trinity Large Thinking

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

#167 Qwen3.5-Flash

medium
लागत
$0.002
समय
25.8s
टोकन
4,294 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 5.3 10.0 33.3% 0 344.45s 5,441 27,039 217,241
Qwen3.5-Flash 3.7 7.2 22.2% 1 58.87s 6,685 302 90,081

त्वरित तुलना

तुलना जोड़ी बदलें