नेव्हिगेशन
Advertise here

Trinity Large Thinking (medium) vs Step 5 Preview (medium)

average score जवळपास समान आहे: 6.1 vs 6.1. Trinity Large Thinking (medium) चा benchmark खर्च कमी आहे: $0.862 vs $4.136. Trinity Large Thinking (medium) वेगवान आहे: 84.01s vs 136.10s, pass rates 49.3% vs 53.6%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-09

तुलना केलेली मॉडेल्स

क्रमांक
#246
एकूण आउटपुट टोकन्स
925,046
प्रतिसाद वेळ (सरासरी)
84.01s
एकूण खर्च
$0.862
क्रमांक
#250
एकूण आउटपुट टोकन्स
1,434,621
प्रतिसाद वेळ (सरासरी)
136.10s
एकूण खर्च
$4.136
शिफारस केलेले मॉडेल Trinity Large Thinking (medium)

It has the best score here (6.1), while costing about 4.8x less than Step 5 Preview (medium).

तपशीलवार तुलना

मेट्रिक Trinity Large Thinking Trinity Large Thinking medium प्रकाशन: 2026-07-28 Step 5 Preview Step 5 Preview medium प्रकाशन: 2026-10-09
स्कोअर 6.1 6.1
क्रमांक #246 #250
विश्वसनीयता 10.0 9.6
सुसंगतता 7.7 8.2
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 49.3% 53.6%
अस्थिर चाचण्या 7 5
एकूण रन 69 69
प्रति निकाल खर्च 10.772 41.354
एकूण खर्च $0.862 $4.136
इनपुट किंमत $0.250 / 1M $1.000 / 1M
आउटपुट किंमत $0.800 / 1M $2.700 / 1M
कॅश वाचण्याची किंमत $0.060 / 1M $0.050 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 319,352 261,842
आउटपुट टोकन्स 158,447 1,434,621
रिझनिंग टोकन्स 875,524 0
प्रतिसाद वेळ (सरासरी) 84.01s 136.10s
प्रतिसाद वेळ (कमाल) 525.14s 438.09s
प्रतिसाद वेळ (एकूण) 1932.24s 3130.27s
पॅरामीटर्स 398B एकूण (13B सक्रिय) 600B एकूण (27B 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.

#246 Trinity Large Thinking

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

#250 Step 5 Preview

medium
खर्च
$0.042
वेळ
90.3s
टोकन्स
15,574 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
Step 5 Preview 2.8 7.2 11.1% 1 363.90s 7,428 546,725 0

झटपट तुलना

तुलना जोडी बदला

Qwen3.5 Plus 2026-04-20nonevsStep 5 PreviewmediumStep 5 PreviewmediumvsInklingnoneमोफत उपलब्धApodex 1.1 Minilowमोफत उपलब्धvsStep 5 PreviewmediumApodex 1.1 Minilowमोफत उपलब्धvsTrinity Large ThinkingmediumTrinity Large ThinkingmediumvsInklingnoneमोफत उपलब्धTrinity Large ThinkingmediumvsQwen3.5 Plus 2026-04-20noneKAT-Coder-Pro V2.5defaultvsStep 5 PreviewmediumTrinity Large ThinkingmediumvsGemini 3.5 FlashnoneTrinity Large ThinkingmediumvsKAT-Coder-Pro V2.5defaultGemini 3.5 FlashnonevsStep 5 PreviewmediumClaude Fable 5.1lowvsTrinity Large ThinkingmediumTrinity Large ThinkingmediumvsGemini 3.1 Flash Lite Previewnone