#85 Trinity Large Preview
default
No endpoints found for arcee-ai/trinity-large-preview:free.
- Cost
- $0.000
- Timp
- 0.0s
- Tokenuri
- 0 tok
Arcee AI
Lansare: 2026-01-27
Testat la: 2026-04-23 10:54
arcee-ai/trinity-large-preview::none
398B în total (13B activi)MoESursă deschisă Rezumat
Trinity Large Preview obține 5.3 pe AI BENCHY și este pe #85. Are fiabilitate N/D, rată de reușită 29.6%, cost total $0.000 și timp mediu de răspuns 5.07s.
Ce face Trinity Large Preview unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #3, iar Trucuri anti-AI este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.
Date despre model
Documentat la 2026-08-12
- Parametri
- 398B în total (13B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
5.3
Consistență
9.6
N/D
$0.000
Total tokenuri de ieșire
1,985
Total tokenuri de intrare
0
Preț de intrare
$0.150 / 1M
Preț de ieșire
$0.450 / 1M
Preț citire cache
N/D
Preț scriere cache
N/D
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.
Teste greșite: 13
Rată de trecere pe încercare: 29.6%
Acoperire benchmark: 52/54 încercări (Țintă: 3 repetări per test)
Teste instabile
1
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 14:30 Test nou adăugat | 4.8 | 10.0 | $0.008 ↑ | Compară | |
| 2026-05-22 00:42 Suită modificată | 4.8 | 10.0 | $0.001 | Compară | |
| 2026-05-08 15:30 Suită modificată | 4.8 | 10.0 | $0.001 | Compară | |
| 2026-04-23 10:54 Prima rulare înregistrată | 5.3 | N/D | $0.000 | Rularea curentă |
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-23 10:54 · Prima rulare înregistrată | 52/54 încercări | 5.3 | 9.6 | N/D | 5/18 | 1 | 1,985 | 0 | $0.000 | 5.07s |
| 2026-05-22 00:42 · Suită modificată | 60/60 încercări | 4.8 | 8.9 | 10.0 | 4/19 | 3 | 2,190 | 0 | $0.001 | 3.03s |
| Diferență | — | +0.6 | +0.7 | 0 | -2 | -205 | 0 | -$0.001 | +2037ms |
Acoperirea benchmark diferă: 52/54 încercări (Țintă: 3 repetări per test) față de 60/60 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
Trinity Large PreviewdefaultvsKAT Coder AIR V2.5defaultTrinity Large PreviewdefaultvsGranite 4.2 8BnoneTrinity Large PreviewdefaultvsNemotron 3 SupernoneDisponibil gratuitTrinity Large PreviewdefaultvsCobuddymediumDisponibil gratuitTrinity Large PreviewdefaultvsRing 2.6 1tdefaultTrinity Large PreviewdefaultvsMercury 2noneTrinity Large PreviewdefaultvsLing 2.6 FlashdefaultTrinity Large PreviewdefaultvsMiniMax M2.5mediumTrinity Large PreviewdefaultvsNemotron 3.5 LightninglowDisponibil gratuitTrinity Large PreviewdefaultvsGLM 4.7 Flashmedium
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 3.0 | 10.0 | |
| Programare | 6.3 | 10.0 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 4.4 | 9.9 | |
| Respectarea instrucțiunilor | 4.1 | 6.7 | |
| Rezolvare de puzzle-uri | 5.4 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 |