Trinity Large Thinking (low) vs Granite 4.2 8B (medium)

Trinity Large Thinking (low) average score मध्ये पुढे आहे: 6.3 vs 6.1. Granite 4.2 8B (medium) चा benchmark खर्च कमी आहे: $0.029 vs $0.700. Granite 4.2 8B (medium) वेगवान आहे: 50.47s vs 95.16s, pass rates 47.8% vs 37.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #222
एकूण आउटपुट टोकन्स: 842,200
प्रतिसाद वेळ (सरासरी): 95.16s
एकूण खर्च: $0.700

क्रमांक: #235
एकूण आउटपुट टोकन्स: 50,147
प्रतिसाद वेळ (सरासरी): 50.47s
एकूण खर्च: $0.029

शिफारस केलेले मॉडेल Granite 4.2 8B (medium)

Its score stays close to the best score here (6.1 vs 6.3), while costing about 24.9x less than Trinity Large Thinking (low).

तपशीलवार तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28	Granite 4.2 8B Granite 4.2 8B medium प्रकाशन: 2026-09-02

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28	Granite 4.2 8B Granite 4.2 8B medium प्रकाशन: 2026-09-02
स्कोअर	6.3	6.1
क्रमांक	#222	#235
विश्वसनीयता	10.0	8.9
सुसंगतता	8.1	9.7
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	47.8%	37.7%
अस्थिर चाचण्या	6	1
एकूण रन	69	69
प्रति निकाल खर्च	9.163	0.354
एकूण खर्च	$0.700	$0.029
इनपुट किंमत	$0.250 / 1M	$0.060 / 1M
आउटपुट किंमत	$0.800 / 1M	$0.250 / 1M
एकूण इनपुट टोकन्स	347,980	259,708
आउटपुट टोकन्स	121,898	16,567
रिझनिंग टोकन्स	720,302	33,580
प्रतिसाद वेळ (सरासरी)	95.16s	50.47s
प्रतिसाद वेळ (कमाल)	540.96s	557.96s
प्रतिसाद वेळ (एकूण)	2188.74s	1160.91s
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.

#222 Trinity Large Thinking

low

खर्च: $0.021
वेळ: 173.2s
टोकन्स: 24,586 tok

#235 IBM: Granite 4.2 8B

medium

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:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	7.4	3.8	66.7%	1		63.23s	225,126	2,088	21,753
Granite 4.2 8B	10.0	10.0	100.0%	0		149.50s	206,799	9,509	21,308

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	8.3	10.0	75.0%	0		5.70s	663	1,451	5,431
Granite 4.2 8B	8.4	10.0	75.0%	0		10.34s	777	1,452	889

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	5.3	10.0	33.3%	0		344.45s	5,441	27,039	217,241
Granite 4.2 8B	5.5	10.0	33.3%	0		12.09s	8,439	2,445	3,900

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	5.2	6.0	33.3%	1		291.02s	99,467	9,848	234,039
Granite 4.2 8B	3.0	10.0	0.0%	0		291.12s	24,807	1,902	6,258

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	7.3	5.8	83.3%	1		14.30s	6,906	459	9,451
Granite 4.2 8B	6.5	10.0	50.0%	0		1.43s	7,683	270	75

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		140.26s	756	72,049	217,598
Granite 4.2 8B	5.3	10.0	33.3%	0		13.96s	876	154	290

Samanya Buddhimatta	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		12.65s	501	5,138	5,695
Granite 4.2 8B	4.0	10.0	0.0%	0		605ms	561	102	24

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	4.4	6.8	16.7%	1		4.07s	684	45	3,710
Granite 4.2 8B	3.8	6.0	33.3%	1		36.86s	636	127	425

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	6.3	7.9	44.4%	1		3.28s	678	2,625	3,077
Granite 4.2 8B	3.1	10.0	0.0%	0		75.99s	469	206	56

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		5.19s	7,551	299	1,430
Granite 4.2 8B	10.0	10.0	100.0%	0		2.28s	8,412	359	214

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		2.10s	207	857	877
Granite 4.2 8B	3.0	10.0	0.0%	0		2.24s	249	41	141

झटपट तुलना

तुलना जोडी बदला