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: $0.918 vs $1.246. 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: 2026-11-13

तुलना केलेली मॉडेल्स

क्रमांक
#305
एकूण आउटपुट टोकन्स
765,746
प्रतिसाद वेळ (सरासरी)
95.16s
एकूण खर्च
$0.918
क्रमांक
#307
एकूण आउटपुट टोकन्स
302,087
प्रतिसाद वेळ (सरासरी)
36.73s
एकूण खर्च
$1.246
शिफारस केलेले मॉडेल Grok 4.20 (medium)

It has the best score here (6.3), while responding about 2.6x faster than Trinity Large Thinking (low).

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 #305 #307
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 $0.918 $1.246
इनपुट किंमत $0.250 / 1M $1.250 / 1M
आउटपुट किंमत $0.800 / 1M $2.500 / 1M
कॅश वाचण्याची किंमत $0.060 / 1M $0.200 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
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

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#305 Trinity Large Thinking

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

#307 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

तुलना जोडी बदला