- Scor
- 8.6 (+2.30 puncte)
- Cost total (preț curent)
- $0.061 · cu 93.4% mai ieftin
- Timp de răspuns (mediu)
- 7.51s · cu 92.1% mai rapid
Arcee AI
Lansare: 2026-07-28
Testat la: 2026-10-01 09:30
arcee-ai/trinity-large-thinking::low
398B în total (13B activi)MoEPonderi disponibile
Rezumat
Trinity Large Thinking obține 6.3 pe AI BENCHY și este pe #267. Are fiabilitate 10.0, rată de reușită 47.8%, cost total $0.918 și timp mediu de răspuns 95.16s.
Ce face Trinity Large Thinking unic: Se remarcă cel mai mult la Inteligență generală, unde este pe #1, iar Respectarea instrucțiunilor este zona cea mai slabă, la #15. Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.
Alternative recomandate
Recomandăm să alegi unul dintre aceste modele în schimb:
- Scor
- 9.4 (+3.08 puncte)
- Cost total (preț curent)
- $0.183 · cu 80.1% mai ieftin
- Timp de răspuns (mediu)
- 6.24s · cu 93.4% mai rapid
- Scor
- 8.3 (+1.99 puncte)
- Cost total (preț curent)
- $0.047 · cu 94.9% mai ieftin
- Timp de răspuns (mediu)
- 18.07s · cu 81.0% mai rapid
Date despre model
Documentat la 2026-08-12
- Parametri
- 398B în total (13B activi)
- Arhitectură
- MoE
- Disponibilitate
- Ponderi disponibile
- Licență
- OpenMDW
6.3
Consistență
8.1
10.0
Total tokenuri de ieșire
765,746
Total tokenuri de intrare
347,980
Preț de intrare
$0.250 / 1M
Preț de ieșire
$0.800 / 1M
Preț citire cache
$0.060 / 1M
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 instabile
6
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.
#267 Trinity Large Thinking
low- Cost
- $0.021
- Timp
- 173.2s
- Tokenuri
- 24,586 tok
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-10-01 09:30 Retestare | 6.3 | 10.0 | $0.918 ↑ | Rularea curentă | |
| 2026-07-28 10:52 Prima rulare | 6.0 | 9.7 | $0.656 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 09:30 · Rularea curentă | 69/69 încercări | 6.3 | 8.1 | 10.0 | 8/23 | 6 | 765,746 | 347,980 | $0.918 | 95.16s |
| 2026-07-28 10:52 · Prima rulare | 66/66 încercări | 6.0 | 7.9 | 9.7 | 8/22 | 6 | 815,220 | 122,845 | $0.656 | 96.78s |
| Diferență | — | +0.2 | +0.2 | +0.3 | 0 | 0 | -49474 | +225135 | +$0.262 | -1616ms |
Acoperirea benchmark diferă: 69/69 încercări (Țintă: 3 repetări per test) față de 66/66 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.
Istoric prețuri
Date istorice de preț pentru acest model de la OpenRouter.
| Dată | Preț de intrare | Preț de ieșire | Preț citire cache | Preț scriere cache |
|---|---|---|---|---|
| 2026-08-14 12:51 | $0.220 / 1M | $0.850 / 1M | N/D | N/D |
| 2026-10-01 18:33 | $0.250 / 1M | $0.800 / 1M | $0.060 / 1M | N/D |
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 ThinkinglowvsDeepSeek V3.2mediumTrinity Large ThinkinglowvsDeepSeek V4 Flash 0423noneTrinity Large ThinkinglowvsSpace Bunny AlphamediumTrinity Large ThinkinglowvsGrok 4.20mediumTrinity Large ThinkinglowvsLing 3.1 FlashlowTrinity Large ThinkinglowvsSpace Bunny AlphaxhighTrinity Large ThinkinglowvsQwen3.5 Plus 2026-02-15noneTrinity Large ThinkinglowvsKAT-Coder-Pro V2.5mediumTrinity Large ThinkinglowvsSolar Pro 4highTrinity Large ThinkinglowvsDeepSeek V4 Flash 0731none
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Sarcini agentice | 7.4 | 3.8 | |
| Trucuri anti-AI | 8.3 | 10.0 | |
| Programare | 5.3 | 10.0 | |
| Combinat | 5.2 | 6.0 | |
| Parsare și extragere de date | 7.3 | 5.8 | |
| Specific domeniului | 2.9 | 7.2 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 4.4 | 6.8 | |
| Rezolvare de puzzle-uri | 6.3 | 7.9 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |