#203

Trinity Large Thinking

Arcee AI रिलीज़: 2026-07-28 परीक्षण किया गया: 2026-08-14 04:05 arcee-ai/trinity-large-thinking::medium

398B कुल (13B सक्रिय)MoEवेट उपलब्ध

(high) (medium) (low)

सारांश

Trinity Large Thinking AI BENCHY पर 6.1 स्कोर करता है और #203 पर है। इसकी reliability 10.0, pass rate 48.5%, कुल लागत $0.756, और औसत response time 85.44s है।

Trinity Large Thinking को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि संयुक्त इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित

पैरामीटर: 398B कुल (13B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: वेट उपलब्ध
लाइसेंस: OpenMDW

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

6.1

संगति

7.9

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.756 ↓ -5.2%

परीक्षण के समय: $0.798

कुल आउटपुट टोकन

1,016,785

कुल इनपुट टोकन

118,486

इनपुट कीमत

$0.250 / 1M

आउटपुट कीमत

$0.800 / 1M

सही परीक्षण

गलत टेस्ट: 14

प्रति प्रयास पास दर: 48.5%

अस्थिर टेस्ट

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

85.44s

प्रतिक्रिया समय (अधिकतम): 525.14s

प्रतिक्रिया समय (कुल): 1879.75s

गलत उत्तर: 8 निर्देशों का पालन नहीं किया: 4 अमान्य टूल कॉल: 2

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#203 Trinity Large Thinking

medium

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

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	सही परीक्षण	कुल लागत	तुलना करें
2026-08-14 04:05 दोबारा परीक्षण	6.1	10.0		$0.756 ↓	वर्तमान रन
2026-07-28 10:51 पहला रन	6.0	10.0		$0.792	तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत
2026-08-14 12:51	$0.220 / 1M	$0.850 / 1M
2026-09-02 00:25	$0.250 / 1M	$0.800 / 1M

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	6.8	9.8
कोडिंग	7.5	10.0
संयुक्त	2.9	6.0
डेटा पार्सिंग और निष्कर्षण	6.3	5.8
डोमेन-विशिष्ट	5.3	7.2
Samanya Buddhimatta	10.0	10.0
निर्देश पालन	4.4	6.9
पहेली समाधान	5.2	5.4
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Trinity Large Thinking

मॉडल विवरण

Hamster playing table tennis

#203 Trinity Large Thinking

चार्ट

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

श्रेणी विवरण

तुलना किए गए मॉडल