Trinity Large Thinking (low) vs Qwen3.5-Flash

Trinity Large Thinking (low) average score मध्ये पुढे आहे: 6.0 vs 6.0. Qwen3.5-Flash चा benchmark खर्च कमी आहे: $0.073 vs $0.625. Qwen3.5-Flash वेगवान आहे: 25.28s vs 96.61s, pass rates 47.0% vs 34.9%.

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: #214
एकूण आउटपुट टोकन्स: 209,201
प्रतिसाद वेळ (सरासरी): 25.28s
एकूण खर्च: $0.073

शिफारस केलेले मॉडेल Qwen3.5-Flash

Its score stays close to the best score here (6.0 vs 6.0), while costing about 8.6x less than Trinity Large Thinking (low).

तपशीलवार तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28	Qwen3.5-Flash Qwen3.5-Flash none प्रकाशन: 2026-02-24

मेट्रिक	Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28	Qwen3.5-Flash Qwen3.5-Flash none प्रकाशन: 2026-02-24
स्कोअर	6.0	6.0
क्रमांक	#208	#214
विश्वसनीयता	10.0	10.0
सुसंगतता	8.3	9.3
प्रयत्न	66/66	66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर	47.0%	34.9%
अस्थिर चाचण्या	5	2
एकूण रन	66	66
प्रति निकाल खर्च	8.221	1.066
एकूण खर्च	$0.625	$0.073
इनपुट किंमत	$0.250 / 1M	$0.065 / 1M
आउटपुट किंमत	$0.800 / 1M	$0.260 / 1M
एकूण इनपुट टोकन्स	122,854	282,356
आउटपुट टोकन्स	119,810	209,201
रिझनिंग टोकन्स	698,549	0
प्रतिसाद वेळ (सरासरी)	96.61s	25.28s
प्रतिसाद वेळ (कमाल)	540.96s	480.96s
प्रतिसाद वेळ (एकूण)	2125.51s	556.14s
पॅरामीटर्स	398B एकूण (13B सक्रिय)	~35B एकूण (~3B 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.

#208 Trinity Large Thinking

low

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

#214 Qwen3.5-Flash

none

खर्च: $0.003
वेळ: 47.4s
टोकन्स: 7,799 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
Qwen3.5-Flash	3.5	8.3	8.3%	1		1.32s	696	690	0

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
Qwen3.5-Flash	5.5	10.0	33.3%	0		850ms	7,913	519	0

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
Qwen3.5-Flash	2.9	5.8	16.7%	1		243.59s	254,787	206,719	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	7.3	5.8	83.3%	1		14.30s	6,906	459	9,451
Qwen3.5-Flash	10.0	10.0	100.0%	0		1.57s	7,794	243	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		140.26s	756	72,049	217,598
Qwen3.5-Flash	5.3	10.0	33.3%	0		873ms	798	15	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	10.0	10.0	100.0%	0		12.65s	501	5,138	5,695
Qwen3.5-Flash	10.0	10.0	100.0%	0		803ms	522	100	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	4.4	6.8	16.7%	1		4.07s	684	45	3,710
Qwen3.5-Flash	6.3	10.0	50.0%	0		8.81s	711	63	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	6.3	7.9	44.4%	1		3.28s	678	2,625	3,077
Qwen3.5-Flash	3.1	10.0	0.0%	0		10.89s	714	579	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		5.19s	7,551	299	1,430
Qwen3.5-Flash	10.0	10.0	100.0%	0		3.67s	8,211	264	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		2.10s	207	857	877
Qwen3.5-Flash	3.0	10.0	0.0%	0		588ms	210	9	0

झटपट तुलना

तुलना जोडी बदला