नेव्हिगेशन
Advertise here

Trinity Large Thinking (low) vs Grok 4.20 (medium)

average score जवळपास समान आहे: 6.3 vs 6.3. Trinity Large Thinking (low) चा benchmark खर्च कमी आहे: $0.700 vs $1.582. Grok 4.20 (medium) वेगवान आहे: 36.73s vs 95.16s, pass rates 47.8% vs 58.0%.

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
#224
एकूण आउटपुट टोकन्स
302,087
प्रतिसाद वेळ (सरासरी)
36.73s
एकूण खर्च
$1.582
शिफारस केलेले मॉडेल Trinity Large Thinking (low)

It has the best score here (6.3), while costing about 2.3x less than Grok 4.20 (medium).

तपशीलवार तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking low प्रकाशन: 2026-07-28 Grok 4.20 Grok 4.20 medium प्रकाशन: 2026-03-31
स्कोअर 6.3 6.3
क्रमांक #222 #224
विश्वसनीयता 10.0 10.0
सुसंगतता 8.1 8.2
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 47.8% 58.0%
अस्थिर चाचण्या 6 5
एकूण रन 69 69
प्रति निकाल खर्च 9.163 14.374
एकूण खर्च $0.700 $1.582
इनपुट किंमत $0.250 / 1M $1.250 / 1M
आउटपुट किंमत $0.800 / 1M $2.500 / 1M
एकूण इनपुट टोकन्स 347,980 392,127
आउटपुट टोकन्स 121,898 7,754
रिझनिंग टोकन्स 720,302 294,333
प्रतिसाद वेळ (सरासरी) 95.16s 36.73s
प्रतिसाद वेळ (कमाल) 540.96s 199.66s
प्रतिसाद वेळ (एकूण) 2188.74s 844.68s
पॅरामीटर्स 398B एकूण (13B सक्रिय) ~1T एकूण (~100B 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

#224 SpaceXAI: Grok 4.20

medium
खर्च
$0.041
वेळ
110.3s
टोकन्स
16,336 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 5.3 10.0 33.3% 0 344.45s 5,441 27,039 217,241
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150

झटपट तुलना

तुलना जोडी बदला

DeepSeek V4 Flash 0423nonevsGrok 4.20mediumTrinity Large ThinkinglowvsDeepSeek V3.2mediumTrinity Large ThinkinglowvsSpace Bunny AlphamediumTrinity Large ThinkinglowvsDeepSeek V4 Flash 0423noneTrinity Large ThinkinglowvsQwen3.5 Plus 2026-02-15noneTrinity Large ThinkinglowvsSolar Pro 4highSpace Bunny AlphaxhighvsGrok 4.20mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumSolar Pro 4highvsGrok 4.20mediumGemini 3.1 Flash LitelowvsGrok 4.20mediumTrinity Large ThinkinglowvsSpace Bunny AlphaxhighDeepSeek V4 Flash 0731nonevsGrok 4.20medium