Trinity Large Thinking (high) vs Granite 4.2 8B

Trinity Large Thinking (high) average score मध्ये पुढे आहे: 4.8 vs 4.3. Granite 4.2 8B चा benchmark खर्च कमी आहे: $0.026 vs $0.592. Trinity Large Thinking (high) वेगवान आहे: 75.86s vs 86.27s, pass rates 39.4% vs 16.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-02

क्रमांक: #266
एकूण आउटपुट टोकन्स: 932,619
प्रतिसाद वेळ (सरासरी): 75.86s
एकूण खर्च: $0.592

क्रमांक: #285
एकूण आउटपुट टोकन्स: 130,805
प्रतिसाद वेळ (सरासरी): 86.27s
एकूण खर्च: $0.026

शिफारस केलेले मॉडेल Granite 4.2 8B

Its score stays close to the best score here (4.3 vs 4.8), while costing about 23.3x less than Trinity Large Thinking (high).

तपशीलवार तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking high प्रकाशन: 2026-07-28	Granite 4.2 8B Granite 4.2 8B none प्रकाशन: 2026-09-02

मेट्रिक	Trinity Large Thinking Trinity Large Thinking high प्रकाशन: 2026-07-28	Granite 4.2 8B Granite 4.2 8B none प्रकाशन: 2026-09-02
स्कोअर	4.8	4.3
क्रमांक	#266	#285
विश्वसनीयता	10.0	8.6
सुसंगतता	7.2	9.3
प्रयत्न	66/66	66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर	39.4%	16.7%
अस्थिर चाचण्या	8	2
एकूण रन	66	66
प्रति निकाल खर्च	12.473	0.847
एकूण खर्च	$0.592	$0.026
इनपुट किंमत	$0.250 / 1M	$0.100 / 1M
आउटपुट किंमत	$0.800 / 1M	$0.150 / 1M
एकूण इनपुट टोकन्स	101,776	57,786
आउटपुट टोकन्स	276,367	130,805
रिझनिंग टोकन्स	656,252	0
प्रतिसाद वेळ (सरासरी)	75.86s	86.27s
प्रतिसाद वेळ (कमाल)	510.21s	747.17s
प्रतिसाद वेळ (एकूण)	1668.93s	1897.96s
पॅरामीटर्स	398B एकूण (13B सक्रिय)	8B
उपलब्धता	वेट्स उपलब्ध	मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#266 Trinity Large Thinking

high

खर्च: $0.028
वेळ: 130.1s
टोकन्स: 34,387 tok

#285 IBM: Granite 4.2 8B

none

Provider returned error

खर्च: $0.000
वेळ: 0.2s
टोकन्स: 0 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	6.7	8.1	58.3%	1		4.13s	663	3,108	7,565
Granite 4.2 8B	4.9	8.1	33.3%	1		17.77s	669	6,026	0

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	3.7	4.7	33.3%	2		245.04s	7,204	83,616	266,836
Granite 4.2 8B	5.5	10.0	33.3%	0		105.60s	8,358	47,944	0

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	3.0	10.0	0.0%	0		262.39s	76,626	14,706	149,243
Granite 4.2 8B	3.0	10.0	0.0%	0		424.28s	30,500	29,755	0

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	6.3	5.8	66.7%	1		13.98s	6,906	580	9,338
Granite 4.2 8B	2.9	5.8	16.7%	1		1.05s	7,629	237	0

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	2.9	7.2	11.1%	1		66.94s	756	163,364	166,091
Granite 4.2 8B	3.0	10.0	0.0%	0		53.62s	696	38,145	0

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	6.5	3.4	66.7%	1		12.90s	501	5,700	5,942
Granite 4.2 8B	5.0	10.0	0.0%	0		770ms	534	153	0

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	6.3	10.0	50.0%	0		4.12s	684	88	2,853
Granite 4.2 8B	3.0	10.0	0.0%	0		79.50s	375	1,275	0

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	4.7	5.2	33.3%	2		3.84s	678	2,566	3,368
Granite 4.2 8B	3.0	10.0	0.0%	0		107.60s	472	6,964	0

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	10.0	10.0	100.0%	0		5.96s	7,551	282	1,440
Granite 4.2 8B	10.0	10.0	100.0%	0		1.39s	8,331	291	0

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	3.0	10.0	0.0%	0		125.13s	207	2,357	43,576
Granite 4.2 8B	3.0	10.0	0.0%	0		14.60s	222	15	0

झटपट तुलना

तुलना जोडी बदला