नेव्हिगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Trinity Large Thinking (medium) vs Granite 4.2 8B (medium)

average score जवळपास समान आहे: 6.1 vs 6.1. Granite 4.2 8B (medium) चा benchmark खर्च कमी आहे: $0.029 vs $0.862. Granite 4.2 8B (medium) वेगवान आहे: 50.47s vs 84.01s, pass rates 49.3% vs 37.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-16

तुलना केलेली मॉडेल्स

क्रमांक
#262
एकूण आउटपुट टोकन्स
925,046
प्रतिसाद वेळ (सरासरी)
84.01s
एकूण खर्च
$0.862
क्रमांक
#267
एकूण आउटपुट टोकन्स
50,045
प्रतिसाद वेळ (सरासरी)
50.47s
एकूण खर्च
$0.029
शिफारस केलेले मॉडेल Granite 4.2 8B (medium)

It has the best score here (6.1), while costing about 30.5x less than Trinity Large Thinking (medium).

तपशीलवार तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking medium प्रकाशन: 2026-07-28 Granite 4.2 8B Granite 4.2 8B medium प्रकाशन: 2026-09-02
स्कोअर 6.1 6.1
क्रमांक #262 #267
विश्वसनीयता 10.0 8.9
सुसंगतता 7.7 9.7
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 49.3% 37.7%
अस्थिर चाचण्या 7 1
एकूण रन 69 69
प्रति निकाल खर्च 10.772 0.354
एकूण खर्च $0.862 $0.029
इनपुट किंमत $0.250 / 1M $0.060 / 1M
आउटपुट किंमत $0.800 / 1M $0.250 / 1M
कॅश वाचण्याची किंमत $0.060 / 1M $0.015 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 319,352 259,708
आउटपुट टोकन्स 158,447 16,567
रिझनिंग टोकन्स 875,524 33,580
प्रतिसाद वेळ (सरासरी) 84.01s 50.47s
प्रतिसाद वेळ (कमाल) 525.14s 557.96s
प्रतिसाद वेळ (एकूण) 1932.24s 1160.91s
पॅरामीटर्स 398B एकूण (13B सक्रिय) 8B
उपलब्धता वेट्स उपलब्ध मुक्त 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.

#262 Trinity Large Thinking

medium
खर्च
$0.016
वेळ
75.9s
टोकन्स
19,401 tok

#267 IBM: Granite 4.2 8B

medium
Provider returned error
खर्च
$0.000
वेळ
0.2s
टोकन्स
0 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 7.5 10.0 66.7% 0 179.02s 7,248 7,413 351,155
Granite 4.2 8B 5.5 10.0 33.3% 0 12.09s 8,439 2,445 3,900

तुलना जोडी बदला