Trinity Large Thinking (medium) vs Mistral Large 4 (medium)

Mistral Large 4 (medium) average score मध्ये पुढे आहे: 6.2 vs 6.1. Trinity Large Thinking (medium) चा benchmark खर्च कमी आहे: $0.862 vs $1.456. Trinity Large Thinking (medium) वेगवान आहे: 84.01s vs 265.03s, pass rates 49.3% vs 55.1%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-06

तुलना केलेली मॉडेल्स

क्रमांक: #242
एकूण आउटपुट टोकन्स: 925,046
प्रतिसाद वेळ (सरासरी): 84.01s
एकूण खर्च: $0.862

क्रमांक: #240
एकूण आउटपुट टोकन्स: 627,233
प्रतिसाद वेळ (सरासरी): 265.03s
एकूण खर्च: $1.456

शिफारस केलेले मॉडेल Trinity Large Thinking (medium)

Its score stays close to the best score here (6.1 vs 6.2), while costing about 1.7x less than Mistral Large 4 (medium).

तपशीलवार तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking medium प्रकाशन: 2026-07-28	Mistral Large 4 Mistral Large 4 medium प्रकाशन: 2026-10-06

मेट्रिक	Trinity Large Thinking Trinity Large Thinking medium प्रकाशन: 2026-07-28	Mistral Large 4 Mistral Large 4 medium प्रकाशन: 2026-10-06
स्कोअर	6.1	6.2
क्रमांक	#242	#240
विश्वसनीयता	10.0	9.2
सुसंगतता	7.7	7.6
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	49.3%	55.1%
अस्थिर चाचण्या	7	7
एकूण रन	69	69
प्रति निकाल खर्च	10.772	16.168
एकूण खर्च	$0.862	$1.456
इनपुट किंमत	$0.250 / 1M	$0.680 / 1M
आउटपुट किंमत	$0.800 / 1M	$2.090 / 1M
कॅश वाचण्याची किंमत	$0.060 / 1M	$0.070 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	319,352	212,024
आउटपुट टोकन्स	158,447	166,422
रिझनिंग टोकन्स	875,524	562,095
प्रतिसाद वेळ (सरासरी)	84.01s	265.03s
प्रतिसाद वेळ (कमाल)	525.14s	1760.20s
प्रतिसाद वेळ (एकूण)	1932.24s	6095.69s
पॅरामीटर्स	398B एकूण (13B सक्रिय)	1.05T एकूण (49B 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.

#242 Trinity Large Thinking

medium

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

#240 Mistral Large 4

medium

खर्च: $0.011
वेळ: 63.4s
टोकन्स: 5,291 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:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	6.1	3.1	66.7%	1		52.50s	200,866	2,281	14,905
Mistral Large 4	6.1	3.1	66.7%	1		173.21s	135,844	7,482	13,709

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	6.8	9.8	50.0%	0		5.11s	663	1,531	6,078
Mistral Large 4	8.3	10.0	75.0%	0		15.73s	705	1,087	7,308

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
Mistral Large 4	3.4	7.2	22.2%	1		1201.87s	7,189	33,530	303,140

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	2.9	6.0	16.7%	1		382.70s	93,292	35,814	269,745
Mistral Large 4	7.3	5.8	83.3%	1		510.65s	51,756	8,436	82,002

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	6.3	5.8	66.7%	1		16.38s	6,906	475	11,153
Mistral Large 4	10.0	10.0	100.0%	0		25.95s	7,314	1,046	7,861

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	5.3	7.2	44.4%	1		124.17s	756	99,334	172,018
Mistral Large 4	2.9	7.2	11.1%	1		288.04s	798	85,691	114,373

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		32.22s	501	7,035	7,774
Mistral Large 4	3.5	2.2	33.3%	1		39.33s	516	4,704	4,909

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	6.9	16.7%	1		3.99s	684	77	3,798
Mistral Large 4	8.3	10.0	50.0%	0		24.62s	708	6,709	7,691

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Trinity Large Thinking	5.2	5.4	44.5%	2		2.90s	678	2,508	3,231
Mistral Large 4	6.1	4.7	66.7%	2		41.40s	717	8,254	10,519

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		5.26s	7,551	299	1,372
Mistral Large 4	10.0	10.0	100.0%	0		19.19s	6,267	303	1,104

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		97.44s	207	1,680	34,295
Mistral Large 4	3.0	10.0	0.0%	0		84.68s	210	9,180	9,479

झटपट तुलना

तुलना जोडी बदला

Apodex 1.1 Minilowमोफत उपलब्धvsTrinity Large Thinkingmedium Trinity Large ThinkingmediumvsInklingnoneमोफत उपलब्ध Trinity Large ThinkingmediumvsQwen3.5 Plus 2026-04-20none Claude Fable 5.1lowvsMistral Large 4medium Trinity Large ThinkingmediumvsGemini 3.5 Flashnone Gemini 3.5 FlashnonevsMistral Large 4medium Gemini 3.1 Flash Lite PreviewnonevsMistral Large 4medium Trinity Large ThinkingmediumvsKAT-Coder-Pro V2.5default DeepSeek V4 Flash 0731nonevsMistral Large 4medium Apodex 1.1 Minilowमोफत उपलब्धvsMistral Large 4medium Mistral Large 4mediumvsInklingnoneमोफत उपलब्ध Mistral Large 4mediumvsQwen3.5 Plus 2026-04-20none