नेविगेशन
Advertise here

Trinity Large Thinking (low) vs Grok 4.20 (medium)

average score लगभग बराबर है: 6.3 vs 6.3. Trinity Large Thinking (low) की benchmark लागत कम है: $0.918 vs $1.246. Grok 4.20 (medium) तेज है: 36.73s vs 95.16s, pass rates 47.8% vs 58.0%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-13

तुलना किए गए मॉडल

रैंक
#305
कुल आउटपुट टोकन
765,746
प्रतिक्रिया समय (औसत)
95.16s
कुल लागत
$0.918
रैंक
#307
कुल आउटपुट टोकन
302,087
प्रतिक्रिया समय (औसत)
36.73s
कुल लागत
$1.246
अनुशंसित मॉडल Grok 4.20 (medium)

It has the best score here (6.3), while responding about 2.6x faster than Trinity Large Thinking (low).

विस्तृत तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking low रिलीज़: 2026-07-28 Grok 4.20 Grok 4.20 medium रिलीज़: 2026-03-31
स्कोर 6.3 6.3
रैंक #305 #307
विश्वसनीयता 10.0 10.0
संगति 8.1 8.2
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 47.8% 58.0%
अस्थिर टेस्ट 6 5
कुल रन 69 69
प्रति परिणाम लागत 9.163 14.374
कुल लागत $0.918 $1.246
इनपुट कीमत $0.250 / 1M $1.250 / 1M
आउटपुट कीमत $0.800 / 1M $2.500 / 1M
कैश पढ़ने की कीमत $0.060 / 1M $0.200 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 347,980 392,127
आउटपुट टोकन 121,898 7,754
रीजनिंग टोकन 720,302 294,333
प्रतिक्रिया समय (औसत) 95.16s 36.73s
प्रतिक्रिया समय (अधिकतम) 540.96s 199.66s
प्रतिक्रिया समय (कुल) 2188.74s 844.68s
पैरामीटर 398B कुल (13B सक्रिय) ~1T कुल (~100B सक्रिय)
उपलब्धता वेट उपलब्ध बंद 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.

#305 Trinity Large Thinking

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

#307 SpaceXAI: Grok 4.20

medium
लागत
$0.041
समय
110.3s
टोकन
16,336 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
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150

तुलना जोड़ी बदलें