Trinity Large Thinking (low) vs gpt-oss-120b (medium)

gpt-oss-120b (medium) average score मध्ये पुढे आहे: 6.1 vs 6.0. gpt-oss-120b (medium) चा benchmark खर्च कमी आहे: $0.020 vs $0.625. gpt-oss-120b (medium) वेगवान आहे: 20.81s vs 96.61s, pass rates 47.0% vs 50.0%.

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

तुलना केलेली मॉडेल्स

क्रमांक: #208
एकूण आउटपुट टोकन्स: 818,359
प्रतिसाद वेळ (सरासरी): 96.61s
एकूण खर्च: $0.625

क्रमांक: #198
एकूण आउटपुट टोकन्स: 98,282
प्रतिसाद वेळ (सरासरी): 20.81s
एकूण खर्च: $0.020

शिफारस केलेले मॉडेल gpt-oss-120b (medium)

It has the best score here (6.1), while costing about 32.8x less than Trinity Large Thinking (low).

तपशीलवार तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28	gpt-oss-120b gpt-oss-120b medium प्रकाशन: 2025-08-05

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28	gpt-oss-120b gpt-oss-120b medium प्रकाशन: 2025-08-05
स्कोअर	6.0	6.1
क्रमांक	#208	#198
विश्वसनीयता	10.0	10.0
सुसंगतता	8.3	8.0
प्रयत्न	66/66	66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर	47.0%	50.0%
अस्थिर चाचण्या	5	5
एकूण रन	66	66
प्रति निकाल खर्च	8.221	0.224
एकूण खर्च	$0.625	$0.020
इनपुट किंमत	$0.250 / 1M	$0.037 / 1M
आउटपुट किंमत	$0.800 / 1M	$0.170 / 1M
एकूण इनपुट टोकन्स	122,854	108,767
आउटपुट टोकन्स	119,810	29,378
रिझनिंग टोकन्स	698,549	68,904
प्रतिसाद वेळ (सरासरी)	96.61s	20.81s
प्रतिसाद वेळ (कमाल)	540.96s	68.16s
प्रतिसाद वेळ (एकूण)	2125.51s	332.88s
पॅरामीटर्स	398B एकूण (13B सक्रिय)	117B एकूण (5.1B 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.

#208 Trinity Large Thinking

low

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

#198 gpt-oss-120b

medium

खर्च: $0.001
वेळ: 26.7s
टोकन्स: 555 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	8.3	10.0	75.0%	0		5.70s	663	1,451	5,431
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177

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
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973

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
gpt-oss-120b	6.5	10.0	50.0%	0		23.96s	81,198	10,453	22,883

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
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114

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
gpt-oss-120b	2.9	4.4	22.2%	2		27.55s	1,286	6,390	21,466

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
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387

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
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799

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
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264

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
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083

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
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758

झटपट तुलना

तुलना जोडी बदला

gpt-oss-120bmediumvsQwen3.7 Flashnone Gemini 3.1 Flash Litenonevsgpt-oss-120bmedium gpt-oss-120bmediumvsInklinglow Trinity Large ThinkinglowvsGemini 2.5 Flashnone Trinity Large ThinkinglowvsNemotron 3 Ultranoneमोफत उपलब्ध gpt-oss-120bmediumvsQwen3.6 Flashnone Gemini 3.1 Flash Liteminimalvsgpt-oss-120bmedium Gemma 4 31Bnoneमोफत उपलब्धvsgpt-oss-120bmedium Claude Sonnet 5nonevsgpt-oss-120bmedium gpt-oss-120bmediumvsQwen3.5 Plus 2026-04-20none Trinity Large ThinkinglowvsQwen3.5 Plus 2026-04-20none Trinity Large ThinkinglowvsGemma 4 31Bnoneमोफत उपलब्ध