Trinity Large Thinking (medium) vs GLM 5.3 FlashX (low)

Trinity Large Thinking (medium) average score मध्ये पुढे आहे: 6.1 vs 6.0. GLM 5.3 FlashX (low) चा benchmark खर्च कमी आहे: $0.157 vs $0.820. GLM 5.3 FlashX (low) वेगवान आहे: 9.69s vs 84.01s, pass rates 49.3% vs 63.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #232
एकूण आउटपुट टोकन्स: 1,033,971
प्रतिसाद वेळ (सरासरी): 84.01s
एकूण खर्च: $0.820

क्रमांक: #238
एकूण आउटपुट टोकन्स: 43,203
प्रतिसाद वेळ (सरासरी): 9.69s
एकूण खर्च: $0.157

शिफारस केलेले मॉडेल GLM 5.3 FlashX (low)

Its score stays close to the best score here (6.0 vs 6.1), while costing about 5.2x less than Trinity Large Thinking (medium).

तपशीलवार तुलना

मेट्रिक	Trinity Large Thinking Trinity Large Thinking medium प्रकाशन: 2026-07-28	GLM 5.3 FlashX GLM 5.3 FlashX low प्रकाशन: 2026-09-21

मेट्रिक	Trinity Large Thinking Trinity Large Thinking medium प्रकाशन: 2026-07-28	GLM 5.3 FlashX GLM 5.3 FlashX low प्रकाशन: 2026-09-21
स्कोअर	6.1	6.0
क्रमांक	#232	#238
विश्वसनीयता	10.0	10.0
सुसंगतता	7.7	6.8
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	49.3%	63.8%
अस्थिर चाचण्या	7	9
एकूण रन	69	69
प्रति निकाल खर्च	10.772	1.423
एकूण खर्च	$0.820	$0.157
इनपुट किंमत	$0.250 / 1M	$0.370 / 1M
आउटपुट किंमत	$0.800 / 1M	$1.250 / 1M
एकूण इनपुट टोकन्स	319,352	277,028
आउटपुट टोकन्स	158,447	11,965
रिझनिंग टोकन्स	875,524	31,238
प्रतिसाद वेळ (सरासरी)	84.01s	9.69s
प्रतिसाद वेळ (कमाल)	525.14s	77.99s
प्रतिसाद वेळ (एकूण)	1932.24s	222.83s
पॅरामीटर्स	398B एकूण (13B सक्रिय)	320B एकूण (18B 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.

#232 Trinity Large Thinking

medium

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

#238 GLM 5.3 FlashX

low

खर्च: $0.002
वेळ: 8.4s
टोकन्स: 1,526 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
GLM 5.3 FlashX	4.7	3.1	33.3%	1		77.99s	159,703	1,471	4,696

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
GLM 5.3 FlashX	8.2	7.9	83.3%	1		1.56s	639	278	353

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
GLM 5.3 FlashX	5.5	7.4	44.4%	1		5.45s	7,317	382	4,760

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
GLM 5.3 FlashX	2.8	1.6	33.3%	2		42.40s	92,545	8,581	18,553

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
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.59s	7,149	210	81

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
GLM 5.3 FlashX	3.5	4.4	33.3%	2		3.87s	759	36	2,040

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
GLM 5.3 FlashX	4.7	1.6	66.7%	1		2.07s	498	137	0

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
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.34s	678	72	84

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
GLM 5.3 FlashX	7.7	7.3	77.8%	1		1.89s	672	460	336

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
GLM 5.3 FlashX	10.0	10.0	100.0%	0		9.52s	6,861	231	20

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
GLM 5.3 FlashX	3.0	10.0	0.0%	0		2.69s	207	107	315

झटपट तुलना

तुलना जोडी बदला

MiMo-V2.6-PrononevsGLM 5.3 FlashXlow Trinity Large ThinkingmediumvsInklingnoneमोफत उपलब्ध Trinity Large ThinkingmediumvsQwen3.5 Plus 2026-04-20none Inkling Smallmediumमोफत उपलब्धvsGLM 5.3 FlashXlow Seed-2.0-LitenonevsGLM 5.3 FlashXlow Trinity Large ThinkingmediumvsGemini 3.5 Flashnone Trinity Large ThinkingmediumvsKAT-Coder-Pro V2.5none Gemini 3.1 Flash LiteminimalvsGLM 5.3 FlashXlow gpt-oss-120bmediumvsGLM 5.3 FlashXlow Gemini 3.1 Flash LitenonevsGLM 5.3 FlashXlow Claude Fable 5.1lowvsTrinity Large Thinkingmedium Qwen3.6 FlashnonevsGLM 5.3 FlashXlow