AI BENCHY 对比
Anthropic: Claude Opus 4.6 vs Trinity Large Preview
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-06
| 指标 | Anthropic: Claude Opus 4.6 medium 发布日期: 2026-02-05 | Trinity Large Preview none 发布日期: 2026-01-27 免费可用 |
|---|---|---|
| 排名 | #26 | #45 |
| 平均分 | 6.6 | 4.2 |
| 一致性 | 9.0 | 9.6 |
| 每个结果成本 | 13.118 | 0.000 |
| 总成本 | $1.312 | $0.000 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 33.3% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 26,254 | 1,837 |
| 推理令牌 | 17,363 | 0 |
| 响应时间（平均） | 22.86s | 3.15s |
| 响应时间（最大） | 83.40s | 8.91s |
| 响应时间（总计） | 205.71s | 50.46s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 4.0 | 4.4 | 55.6% | 2 | 11.88s | 897 | 1,000 | |
| Trinity Large Preview | 10.0 | 10.0 | 0.0% | 0 | 3.59s | 587 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| Trinity Large Preview | 10.0 | 10.0 | 0.0% | 0 | 8.91s | 294 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 9.9 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| Trinity Large Preview | 9.9 | 10.0 | 100.0% | 0 | 3.26s | 186 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| Trinity Large Preview | 4.0 | 10.0 | 33.3% | 0 | 877ms | 25 | 0 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 188 | 292 | |
| Trinity Large Preview | 3.0 | 9.9 | 0.0% | 0 | 2.86s | 124 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| Trinity Large Preview | 3.5 | 6.7 | 16.7% | 1 | 1.09s | 63 | 0 |
| Puzzle Solving | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 7.0 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| Trinity Large Preview | 4.0 | 10.0 | 33.3% | 0 | 3.30s | 291 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| Trinity Large Preview | 10.0 | 10.0 | 100.0% | 0 | 6.67s | 267 | 0 |
快速对比
切换对比组合
Claude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneTrinity Large Previewnone免费可用vsMiniMax M2.5mediumClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGLM 5noneClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneTrinity Large Previewnone免费可用vsQwen3 Coder NextmediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Opus 4.6mediumvsGPT-5.2 ChatnoneTrinity Large Previewnone免费可用vsgpt-oss-120bmedium免费可用Claude Opus 4.6mediumvsDeepSeek V3.2noneTrinity Large Previewnone免费可用vsMercury 2medium