नेविगेशन
Advertise here

Trinity Large Thinking (medium) vs Step 5 Preview (medium)

average score लगभग बराबर है: 6.1 vs 6.1. Trinity Large Thinking (medium) की benchmark लागत कम है: $0.862 vs $4.136. Trinity Large Thinking (medium) तेज है: 84.01s vs 136.10s, pass rates 49.3% vs 53.6%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-09

तुलना किए गए मॉडल

रैंक
#246
कुल आउटपुट टोकन
925,046
प्रतिक्रिया समय (औसत)
84.01s
कुल लागत
$0.862
रैंक
#250
कुल आउटपुट टोकन
1,434,621
प्रतिक्रिया समय (औसत)
136.10s
कुल लागत
$4.136
अनुशंसित मॉडल Trinity Large Thinking (medium)

It has the best score here (6.1), while costing about 4.8x less than Step 5 Preview (medium).

विस्तृत तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking medium रिलीज़: 2026-07-28 Step 5 Preview Step 5 Preview medium रिलीज़: 2026-10-09
स्कोर 6.1 6.1
रैंक #246 #250
विश्वसनीयता 10.0 9.6
संगति 7.7 8.2
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 49.3% 53.6%
अस्थिर टेस्ट 7 5
कुल रन 69 69
प्रति परिणाम लागत 10.772 41.354
कुल लागत $0.862 $4.136
इनपुट कीमत $0.250 / 1M $1.000 / 1M
आउटपुट कीमत $0.800 / 1M $2.700 / 1M
कैश पढ़ने की कीमत $0.060 / 1M $0.050 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 319,352 261,842
आउटपुट टोकन 158,447 1,434,621
रीजनिंग टोकन 875,524 0
प्रतिक्रिया समय (औसत) 84.01s 136.10s
प्रतिक्रिया समय (अधिकतम) 525.14s 438.09s
प्रतिक्रिया समय (कुल) 1932.24s 3130.27s
पैरामीटर 398B कुल (13B सक्रिय) 600B कुल (27B 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.

#246 Trinity Large Thinking

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

#250 Step 5 Preview

medium
लागत
$0.042
समय
90.3s
टोकन
15,574 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
Step 5 Preview 2.8 7.2 11.1% 1 363.90s 7,428 546,725 0

त्वरित तुलना

तुलना जोड़ी बदलें

Qwen3.5 Plus 2026-04-20nonevsStep 5 PreviewmediumStep 5 PreviewmediumvsInklingnoneनिःशुल्क उपलब्धApodex 1.1 Minilowनिःशुल्क उपलब्धvsStep 5 PreviewmediumApodex 1.1 Minilowनिःशुल्क उपलब्धvsTrinity Large ThinkingmediumTrinity Large ThinkingmediumvsInklingnoneनिःशुल्क उपलब्धTrinity Large ThinkingmediumvsQwen3.5 Plus 2026-04-20noneKAT-Coder-Pro V2.5defaultvsStep 5 PreviewmediumTrinity Large ThinkingmediumvsGemini 3.5 FlashnoneTrinity Large ThinkingmediumvsKAT-Coder-Pro V2.5defaultGemini 3.5 FlashnonevsStep 5 PreviewmediumClaude Fable 5.1lowvsTrinity Large ThinkingmediumTrinity Large ThinkingmediumvsGemini 3.1 Flash Lite Previewnone