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

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

average score लगभग बराबर है: 6.1 vs 6.1. KAT-Coder-Pro V2.5 (default) की benchmark लागत कम है: $0.742 vs $0.862. KAT-Coder-Pro V2.5 (default) तेज है: 24.96s vs 84.01s, pass rates 49.3% vs 68.1%.

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

तुलना किए गए मॉडल

रैंक
#316
कुल आउटपुट टोकन
925,046
प्रतिक्रिया समय (औसत)
84.01s
कुल लागत
$0.862
रैंक
#322
कुल आउटपुट टोकन
139,572
प्रतिक्रिया समय (औसत)
24.96s
कुल लागत
$0.742
अनुशंसित मॉडल KAT-Coder-Pro V2.5 (default)

It has the best score here (6.1), while responding about 3.4x faster than Trinity Large Thinking (medium).

विस्तृत तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking medium रिलीज़: 2026-07-28 KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 default रिलीज़: 2026-07-14
स्कोर 6.1 6.1
रैंक #316 #322
विश्वसनीयता 10.0 10.0
संगति 7.7 7.1
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 49.3% 68.1%
अस्थिर टेस्ट 7 8
कुल रन 69 69
प्रति परिणाम लागत 10.772 4.419
कुल लागत $0.862 $0.742
इनपुट कीमत $0.250 / 1M $0.740 / 1M
आउटपुट कीमत $0.800 / 1M $2.960 / 1M
कैश पढ़ने की कीमत $0.060 / 1M $0.150 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 319,352 98,508
आउटपुट टोकन 158,447 8,088
रीजनिंग टोकन 875,524 131,484
प्रतिक्रिया समय (औसत) 84.01s 24.96s
प्रतिक्रिया समय (अधिकतम) 525.14s 335.41s
प्रतिक्रिया समय (कुल) 1932.24s 574.12s
पैरामीटर 398B कुल (13B सक्रिय) ~700B कुल (~72B 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.

#316 Trinity Large Thinking

medium
लागत
$0.016
समय
75.9s
टोकन
19,401 tok

#322 KAT-Coder-Pro V2.5

default
लागत
$0.010
समय
29.0s
टोकन
3,439 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 7.5 10.0 66.7% 0 179.02s 7,248 7,413 351,155
KAT-Coder-Pro V2.5 6.1 4.7 66.7% 2 22.52s 7,893 451 21,989

तुलना जोड़ी बदलें