#203

Trinity Large Thinking

Arcee AI प्रकाशन: 2026-07-28 चाचणी तारीख: 2026-08-14 04:05 arcee-ai/trinity-large-thinking::medium

398B एकूण (13B सक्रिय)MoEवेट्स उपलब्ध

(high) (medium) (low)

सारांश

Trinity Large Thinking AI BENCHY वर 6.1 स्कोर करते आणि #203 वर आहे. याची reliability 10.0, pass rate 48.5%, एकूण खर्च $0.756, आणि सरासरी response time 85.44s आहे.

Trinity Large Thinking खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर संयुक्त हा सर्वात कमकुवत भाग आहे, rank #16. हे असामान्यपणे जास्त reasoning tokens वापरते, ज्यामुळे runs हळू किंवा महाग होऊ शकतात.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

जाहीर केलेले

पॅरामीटर्स: 398B एकूण (13B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: वेट्स उपलब्ध
परवाना: OpenMDW

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

6.1

सुसंगतता

7.9

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.756 ↓ -5.2%

या किमतीवर चाचणी केली: $0.798

एकूण आउटपुट टोकन्स

1,016,785

एकूण इनपुट टोकन्स

118,486

इनपुट किंमत

$0.250 / 1M

आउटपुट किंमत

$0.800 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 14

प्रति प्रयत्न पास दर: 48.5%

अस्थिर चाचण्या

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

85.44s

प्रतिसाद वेळ (कमाल): 525.14s

प्रतिसाद वेळ (एकूण): 1879.75s

चुकीचे उत्तर: 8 सूचनांचे पालन केले नाही: 4 अवैध टूल कॉल: 2

Hamster playing table tennis

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

#203 Trinity Large Thinking

medium

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

रन इतिहास

चाचणी तारीख	स्कोअर	विश्वसनीयता	बरोबर चाचण्या	एकूण खर्च	तुलना करा
2026-08-14 04:05 पुन्हा चाचणी	6.1	10.0		$0.756 ↓	सध्याची रन
2026-07-28 10:51 पहिला रन	6.0	10.0		$0.792	तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

रन तुलना

रन	बेंचमार्क कव्हरेज	स्कोअर	सुसंगतता	विश्वसनीयता	बरोबर चाचण्या	अस्थिर चाचण्या	एकूण आउटपुट टोकन्स	एकूण इनपुट टोकन्स	एकूण खर्च	प्रतिसाद वेळ (सरासरी)
2026-08-14 04:05 · सध्याची रन	66/66 प्रयत्न	6.1	7.9	10.0	8/22	6	1,016,785	118,486	$0.756	85.44s
2026-07-28 10:51 · पहिला रन	66/66 प्रयत्न	6.0	7.6	10.0	7/22	7	1,002,646	118,477	$0.792	84.96s
फरक	—	+0.1	+0.3	0.0	+1	-1	+14139	+9	-$0.036	+481ms

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख	इनपुट किंमत	आउटपुट किंमत
2026-08-14 12:51	$0.220 / 1M	$0.850 / 1M
2026-09-02 00:25	$0.250 / 1M	$0.800 / 1M

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

श्रेणी	स्कोअर	सुसंगतता
अँटी-एआय युक्त्या	6.8	9.8
कोडिंग	7.5	10.0
संयुक्त	2.9	6.0
डेटा पार्सिंग आणि निष्कर्षण	6.3	5.8
डोमेन-विशिष्ट	5.3	7.2
Samanya Buddhimatta	10.0	10.0
सूचनांचे पालन	4.4	6.9
कोडी सोडवणे	5.2	5.4
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Trinity Large Thinking

मॉडेलची माहिती

Hamster playing table tennis

#203 Trinity Large Thinking

चार्ट्स

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर vs एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

तुलना केलेली मॉडेल्स