Navigare
Advertise here

Trinity Large Thinking (high) vs GPT-5.4

Trinity Large Thinking (high) conduce la scorul mediu cu 5.7 vs 5.6. GPT-5.4 are costul de benchmark mai mic, $0.690 vs $0.794. GPT-5.4 este mai rapid cu 3.89s vs 74.52s, cu rate de reușită de 42.0% vs 33.3%.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-11-13

Modele comparate

Rang
#345
Total tokenuri de ieșire
717,762
Timp de răspuns (mediu)
74.52s
Cost total
$0.794
Rang
#354
Total tokenuri de ieșire
9,372
Timp de răspuns (mediu)
3.89s
Cost total
$0.690
Model recomandat GPT-5.4

Scorul rămâne aproape de cel mai bun scor de aici (5.6 vs 5.7) și răspunde de aproximativ 19.2x mai rapid decât Trinity Large Thinking (high).

Comparație detaliată

Metrică Trinity Large Thinking Trinity Large Thinking high Lansare: 2026-07-28 GPT-5.4 GPT-5.4 none Lansare: 2026-03-05
Scor 5.7 5.6
Rang #345 #354
Fiabilitate 10.0 10.0
Consistență 7.3 9.3
Încercări 69/69 69/69
Teste corecte
Rată de trecere pe încercare 42.0% 33.3%
Teste instabile 8 2
Rulări totale 69 69
Cost per rezultat 11.289 9.845
Cost total $0.794 $0.690
Preț de intrare $0.250 / 1M $2.500 / 1M
Preț de ieșire $0.800 / 1M $15.000 / 1M
Preț citire cache $0.060 / 1M $0.250 / 1M
Preț scriere cache N/D N/D
Total tokenuri de intrare 283,116 219,404
Tokenuri de ieșire 277,920 9,372
Tokenuri de raționament 665,124 0
Timp de răspuns (mediu) 74.52s 3.89s
Timp de răspuns (maxim) 510.21s 43.73s
Timp de răspuns (total) 1713.90s 89.48s
Parametri 398B în total (13B activi) ~1.5T în total (~100B activi)
Disponibilitate Ponderi disponibile Închis

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Prezentare generare modele

Hamster playing table tennis

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

#345 Trinity Large Thinking

high
Cost
$0.028
Timp
130.1s
Tokenuri
34,387 tok

#354 GPT-5.4

none
Cost
$0.026
Timp
18.1s
Tokenuri
1,792 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Trinity Large Thinking 3.7 4.7 33.3% 2 245.04s 7,204 83,616 266,836
GPT-5.4 5.5 10.0 33.3% 0 1.62s 7,305 516 0

Schimbă perechea de comparație