Trinity Large Thinking (medium) vs Mistral Large 4 (medium)

Mistral Large 4 (medium) average score में आगे है: 6.2 vs 6.1. Trinity Large Thinking (medium) की benchmark लागत कम है: $0.862 vs $1.456. Trinity Large Thinking (medium) तेज है: 84.01s vs 265.03s, pass rates 49.3% vs 55.1%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-06

तुलना किए गए मॉडल

रैंक: #242
कुल आउटपुट टोकन: 925,046
प्रतिक्रिया समय (औसत): 84.01s
कुल लागत: $0.862

रैंक: #240
कुल आउटपुट टोकन: 627,233
प्रतिक्रिया समय (औसत): 265.03s
कुल लागत: $1.456

अनुशंसित मॉडल Trinity Large Thinking (medium)

Its score stays close to the best score here (6.1 vs 6.2), while costing about 1.7x less than Mistral Large 4 (medium).

विस्तृत तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking medium रिलीज़: 2026-07-28	Mistral Large 4 Mistral Large 4 medium रिलीज़: 2026-10-06

मेट्रिक	Trinity Large Thinking Trinity Large Thinking medium रिलीज़: 2026-07-28	Mistral Large 4 Mistral Large 4 medium रिलीज़: 2026-10-06
स्कोर	6.1	6.2
रैंक	#242	#240
विश्वसनीयता	10.0	9.2
संगति	7.7	7.6
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	49.3%	55.1%
अस्थिर टेस्ट	7	7
कुल रन	69	69
प्रति परिणाम लागत	10.772	16.168
कुल लागत	$0.862	$1.456
इनपुट कीमत	$0.250 / 1M	$0.680 / 1M
आउटपुट कीमत	$0.800 / 1M	$2.090 / 1M
कैश पढ़ने की कीमत	$0.060 / 1M	$0.070 / 1M
कैश लिखने की कीमत	लागू नहीं	लागू नहीं
कुल इनपुट टोकन	319,352	212,024
आउटपुट टोकन	158,447	166,422
रीजनिंग टोकन	875,524	562,095
प्रतिक्रिया समय (औसत)	84.01s	265.03s
प्रतिक्रिया समय (अधिकतम)	525.14s	1760.20s
प्रतिक्रिया समय (कुल)	1932.24s	6095.69s
पैरामीटर	398B कुल (13B सक्रिय)	1.05T कुल (49B 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.

#242 Trinity Large Thinking

medium

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

#240 Mistral Large 4

medium

लागत: $0.011
समय: 63.4s
टोकन: 5,291 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	6.1	3.1	66.7%	1		52.50s	200,866	2,281	14,905
Mistral Large 4	6.1	3.1	66.7%	1		173.21s	135,844	7,482	13,709

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	6.8	9.8	50.0%	0		5.11s	663	1,531	6,078
Mistral Large 4	8.3	10.0	75.0%	0		15.73s	705	1,087	7,308

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
Mistral Large 4	3.4	7.2	22.2%	1		1201.87s	7,189	33,530	303,140

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	2.9	6.0	16.7%	1		382.70s	93,292	35,814	269,745
Mistral Large 4	7.3	5.8	83.3%	1		510.65s	51,756	8,436	82,002

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	6.3	5.8	66.7%	1		16.38s	6,906	475	11,153
Mistral Large 4	10.0	10.0	100.0%	0		25.95s	7,314	1,046	7,861

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	5.3	7.2	44.4%	1		124.17s	756	99,334	172,018
Mistral Large 4	2.9	7.2	11.1%	1		288.04s	798	85,691	114,373

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		32.22s	501	7,035	7,774
Mistral Large 4	3.5	2.2	33.3%	1		39.33s	516	4,704	4,909

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	6.9	16.7%	1		3.99s	684	77	3,798
Mistral Large 4	8.3	10.0	50.0%	0		24.62s	708	6,709	7,691

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Trinity Large Thinking	5.2	5.4	44.5%	2		2.90s	678	2,508	3,231
Mistral Large 4	6.1	4.7	66.7%	2		41.40s	717	8,254	10,519

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		5.26s	7,551	299	1,372
Mistral Large 4	10.0	10.0	100.0%	0		19.19s	6,267	303	1,104

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		97.44s	207	1,680	34,295
Mistral Large 4	3.0	10.0	0.0%	0		84.68s	210	9,180	9,479

त्वरित तुलना

तुलना जोड़ी बदलें

Apodex 1.1 Minilowनिःशुल्क उपलब्धvsTrinity Large Thinkingmedium Trinity Large ThinkingmediumvsInklingnoneनिःशुल्क उपलब्ध Trinity Large ThinkingmediumvsQwen3.5 Plus 2026-04-20none Claude Fable 5.1lowvsMistral Large 4medium Trinity Large ThinkingmediumvsGemini 3.5 Flashnone Gemini 3.5 FlashnonevsMistral Large 4medium Gemini 3.1 Flash Lite PreviewnonevsMistral Large 4medium Trinity Large ThinkingmediumvsKAT-Coder-Pro V2.5default DeepSeek V4 Flash 0731nonevsMistral Large 4medium Apodex 1.1 Minilowनिःशुल्क उपलब्धvsMistral Large 4medium Mistral Large 4mediumvsInklingnoneनिःशुल्क उपलब्ध Mistral Large 4mediumvsQwen3.5 Plus 2026-04-20none