- स्कोर
- 8.6 (+2.30 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.061 · 93.4% सस्ता
- प्रतिक्रिया समय (औसत)
- 7.51s · 92.1% तेज़
Arcee AI
रिलीज़: 2026-07-28
परीक्षण किया गया: 2026-10-01 09:30
arcee-ai/trinity-large-thinking::low
398B कुल (13B सक्रिय)MoEवेट उपलब्ध
सारांश
Trinity Large Thinking AI BENCHY पर 6.3 स्कोर करता है और #273 पर है। इसकी reliability 10.0, pass rate 47.8%, कुल लागत $0.918, और औसत response time 95.16s है।
Trinity Large Thinking को अलग क्या बनाता है: यह Samanya Buddhimatta में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि निर्देश पालन इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।
सुझाए गए विकल्प
हम इसकी जगह इनमें से एक मॉडल चुनने की सलाह देते हैं:
- स्कोर
- 9.4 (+3.08 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.183 · 80.1% सस्ता
- प्रतिक्रिया समय (औसत)
- 6.24s · 93.4% तेज़
- स्कोर
- 8.3 (+1.99 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.047 · 94.9% सस्ता
- प्रतिक्रिया समय (औसत)
- 18.07s · 81.0% तेज़
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 398B कुल (13B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- वेट उपलब्ध
- लाइसेंस
- OpenMDW
6.3
संगति
8.1
10.0
कुल आउटपुट टोकन
765,746
कुल इनपुट टोकन
347,980
इनपुट कीमत
$0.250 / 1M
आउटपुट कीमत
$0.800 / 1M
कैश पढ़ने की कीमत
$0.060 / 1M
कैश लिखने की कीमत
लागू नहीं
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।
अस्थिर टेस्ट
6
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#273 Trinity Large Thinking
low- लागत
- $0.021
- समय
- 173.2s
- टोकन
- 24,586 tok
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-10-01 09:30 दोबारा परीक्षण | 6.3 | 10.0 | $0.918 ↑ | वर्तमान रन | |
| 2026-07-28 10:52 पहला रन | 6.0 | 9.7 | $0.656 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 09:30 · वर्तमान रन | 69/69 प्रयास | 6.3 | 8.1 | 10.0 | 8/23 | 6 | 765,746 | 347,980 | $0.918 | 95.16s |
| 2026-07-28 10:52 · पहला रन | 66/66 प्रयास | 6.0 | 7.9 | 9.7 | 8/22 | 6 | 815,220 | 122,845 | $0.656 | 96.78s |
| अंतर | — | +0.2 | +0.2 | +0.3 | 0 | 0 | -49474 | +225135 | +$0.262 | -1616ms |
बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
कीमत का इतिहास
OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।
| तारीख | इनपुट कीमत | आउटपुट कीमत | कैश पढ़ने की कीमत | कैश लिखने की कीमत |
|---|---|---|---|---|
| 2026-08-14 12:51 | $0.220 / 1M | $0.850 / 1M | लागू नहीं | लागू नहीं |
| 2026-10-01 18:33 | $0.250 / 1M | $0.800 / 1M | $0.060 / 1M | लागू नहीं |
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Trinity Large ThinkinglowvsDeepSeek V3.2mediumTrinity Large ThinkinglowvsDeepSeek V4 Flash 0423noneTrinity Large ThinkinglowvsSpace Bunny AlphamediumTrinity Large ThinkinglowvsGrok 4.20mediumTrinity Large ThinkinglowvsLing 3.1 FlashlowTrinity Large ThinkinglowvsSpace Bunny AlphaxhighTrinity Large ThinkinglowvsQwen3.5 Plus 2026-02-15noneTrinity Large ThinkinglowvsKAT-Coder-Pro V2.5mediumTrinity Large ThinkinglowvsSolar Pro 4highTrinity Large ThinkinglowvsDeepSeek V4 Flash 0731none
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 7.4 | 3.8 | |
| एंटी-एआई ट्रिक्स | 8.3 | 10.0 | |
| कोडिंग | 5.3 | 10.0 | |
| संयुक्त | 5.2 | 6.0 | |
| डेटा पार्सिंग और निष्कर्षण | 7.3 | 5.8 | |
| डोमेन-विशिष्ट | 2.9 | 7.2 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| निर्देश पालन | 4.4 | 6.8 | |
| पहेली समाधान | 6.3 | 7.9 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |