Trinity Large Thinking (low) vs KAT-Coder-Pro V2.5 (medium)

Trinity Large Thinking (low) average score मध्ये पुढे आहे: 6.3 vs 6.2. KAT-Coder-Pro V2.5 (medium) चा benchmark खर्च कमी आहे: $0.478 vs $0.700. KAT-Coder-Pro V2.5 (medium) वेगवान आहे: 23.94s vs 95.16s, pass rates 47.8% vs 62.3%.

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: #226
एकूण आउटपुट टोकन्स: 139,375
प्रतिसाद वेळ (सरासरी): 23.94s
एकूण खर्च: $0.478

शिफारस केलेले मॉडेल KAT-Coder-Pro V2.5 (medium)

Its score stays close to the best score here (6.2 vs 6.3), while responding about 4.0x faster than Trinity Large Thinking (low).

तपशीलवार तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium प्रकाशन: 2026-07-14

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium प्रकाशन: 2026-07-14
स्कोअर	6.3	6.2
क्रमांक	#222	#226
विश्वसनीयता	10.0	10.0
सुसंगतता	8.1	7.2
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	47.8%	62.3%
अस्थिर चाचण्या	6	8
एकूण रन	69	69
प्रति निकाल खर्च	9.163	4.342
एकूण खर्च	$0.700	$0.478
इनपुट किंमत	$0.250 / 1M	$0.740 / 1M
आउटपुट किंमत	$0.800 / 1M	$2.960 / 1M
एकूण इनपुट टोकन्स	347,980	87,916
आउटपुट टोकन्स	121,898	7,213
रिझनिंग टोकन्स	720,302	132,162
प्रतिसाद वेळ (सरासरी)	95.16s	23.94s
प्रतिसाद वेळ (कमाल)	540.96s	257.00s
प्रतिसाद वेळ (एकूण)	2188.74s	550.52s
पॅरामीटर्स	398B एकूण (13B सक्रिय)	~700B एकूण (~72B सक्रिय)
उपलब्धता	वेट्स उपलब्ध	बंद 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

#226 KAT-Coder-Pro V2.5

medium

खर्च: $0.009
वेळ: 25.6s
टोकन्स: 2,939 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
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		3.38s	0	0	0

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
KAT-Coder-Pro V2.5	8.2	7.9	83.3%	1		3.90s	672	208	3,868

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
KAT-Coder-Pro V2.5	7.8	10.0	66.7%	0		33.10s	7,893	416	33,658

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
KAT-Coder-Pro V2.5	6.4	5.8	66.7%	1		135.75s	60,289	5,478	51,591

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
KAT-Coder-Pro V2.5	7.3	5.9	83.3%	1		4.70s	7,776	275	2,122

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
KAT-Coder-Pro V2.5	2.9	4.4	22.2%	2		35.11s	780	36	33,495

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
KAT-Coder-Pro V2.5	4.7	3.1	33.3%	1		2.35s	516	92	381

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
KAT-Coder-Pro V2.5	9.9	10.0	100.0%	0		2.58s	699	83	971

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
KAT-Coder-Pro V2.5	5.9	4.5	66.7%	2		3.20s	696	325	1,867

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
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		19.02s	8,391	282	1,010

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
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		9.87s	204	18	3,199

झटपट तुलना

तुलना जोडी बदला

Trinity Large ThinkinglowvsDeepSeek V3.2medium Trinity Large ThinkinglowvsSpace Bunny Alphamedium KAT-Coder-Pro V2.5mediumvsSpace Bunny Alphaxhigh DeepSeek V4 Flash 0731nonevsKAT-Coder-Pro V2.5medium Trinity Large ThinkinglowvsDeepSeek V4 Flash 0423none Trinity Large ThinkinglowvsGrok 4.20medium Trinity Large ThinkinglowvsQwen3.5 Plus 2026-02-15none Trinity Large ThinkinglowvsSolar Pro 4high Gemini 3.1 Flash Lite PreviewnonevsKAT-Coder-Pro V2.5medium DeepSeek V4 Flash 0423nonevsKAT-Coder-Pro V2.5medium Claude Fable 5.1lowvsKAT-Coder-Pro V2.5medium Trinity Large ThinkinglowvsSpace Bunny Alphaxhigh