नेव्हिगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Trinity Large Thinking (high) vs GLM 4.7 Flash

average score जवळपास समान आहे: 4.8 vs 4.8. GLM 4.7 Flash चा benchmark खर्च कमी आहे: $0.016 vs $0.592. GLM 4.7 Flash वेगवान आहे: 8.81s vs 75.86s, pass rates 39.4% vs 30.3%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-10

तुलना केलेली मॉडेल्स

क्रमांक
#288
एकूण आउटपुट टोकन्स
932,619
प्रतिसाद वेळ (सरासरी)
75.86s
एकूण खर्च
$0.592
क्रमांक
#291
एकूण आउटपुट टोकन्स
22,992
प्रतिसाद वेळ (सरासरी)
8.81s
एकूण खर्च
$0.016
शिफारस केलेले मॉडेल GLM 4.7 Flash

It has the best score here (4.8), while costing about 38.6x less than Trinity Large Thinking (high).

तपशीलवार तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking high प्रकाशन: 2026-07-28 GLM 4.7 Flash GLM 4.7 Flash none प्रकाशन: 2026-01-19
स्कोअर 4.8 4.8
क्रमांक #288 #291
विश्वसनीयता 10.0 10.0
सुसंगतता 7.2 8.9
प्रयत्न 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 39.4% 30.3%
अस्थिर चाचण्या 8 3
एकूण रन 66 66
प्रति निकाल खर्च 12.473 0.307
एकूण खर्च $0.592 $0.016
इनपुट किंमत $0.250 / 1M $0.061 / 1M
आउटपुट किंमत $0.800 / 1M $0.400 / 1M
एकूण इनपुट टोकन्स 101,776 101,513
आउटपुट टोकन्स 276,367 22,992
रिझनिंग टोकन्स 656,252 0
प्रतिसाद वेळ (सरासरी) 75.86s 8.81s
प्रतिसाद वेळ (कमाल) 510.21s 97.15s
प्रतिसाद वेळ (एकूण) 1668.93s 140.88s
पॅरामीटर्स 398B एकूण (13B सक्रिय) 30B एकूण (3B सक्रिय)
उपलब्धता वेट्स उपलब्ध मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#288 Trinity Large Thinking

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

#291 GLM 4.7 Flash

none
Reached the allocated time limit (300 seconds) without receiving showcase output.
खर्च
$0.000
वेळ
300.0s
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

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
GLM 4.7 Flash 4.3 10.0 0.0% 0 2.54s 7,256 650 0

झटपट तुलना

तुलना जोडी बदला