导航
Advertise here

Trinity Large Preview (default) vs Ling 2.6 Flash (default)

Ling 2.6 Flash (default) 平均分领先,为 4.5 vs 4.4。 Ling 2.6 Flash (default) benchmark 成本更低,为 $0.002 vs $0.008。 Trinity Large Preview (default) 更快,为 2.83s vs 10.21s,通过率为 20.3% vs 29.0%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-10-17

已对比模型

排名
#379
总输出令牌
2,169
响应时间(平均)
2.83s
总成本
$0.008
排名
#373
总输出令牌
14,903
响应时间(平均)
10.21s
总成本
$0.002
推荐模型 Trinity Large Preview (default)

它的得分接近这里的最高分(4.4 vs 4.5),同时响应速度比Ling 2.6 Flash (default)快约 3.6 倍。

详细对比

指标 Trinity Large Preview Trinity Large Preview default 发布日期: 2026-01-27 免费可用 Ling 2.6 Flash Ling 2.6 Flash default 发布日期: 2026-04-21
分数 4.4 4.5
排名 #379 #373
可靠性 10.0 9.6
一致性 9.0 9.3
尝试次数 66/69 69/69
测试正确
尝试通过率 20.3% 29.0%
不稳定测试 2 2
总运行次数 66 69
每个结果成本 0.017 0.024
总成本 $0.008 $0.002
输入价格 $0.243 / 1M $0.010 / 1M
输出价格 $0.243 / 1M $0.030 / 1M
缓存读取价格 不适用 不适用
缓存写入价格 不适用 不适用
总输入令牌 29,828 114,384
输出令牌 2,169 14,903
推理令牌 0 0
响应时间(平均) 2.83s 10.21s
响应时间(最大) 14.34s 36.03s
响应时间(总计) 56.65s 214.31s
参数量 398B 总计 (13B 激活) 104B 总计 (7.4B 激活)
开放状态 开源 开源

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

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

#379 Trinity Large Preview

default
No endpoints found for arcee-ai/trinity-large-preview:free.
成本
$0.000
时间
0.0s
令牌
0 tok

#373 Ling 2.6 Flash

default
Ling-2.6-flash is no longer available as a free model. It has transitioned to a paid model. Continue using it here: https://openrouter.ai/inclusionai/ling-2.6-flash
成本
$0.000
时间
0.0s
令牌
0 tok

按分数排名的模型

分数 vs 总成本

响应时间(平均)

分数 vs 响应时间(平均)

总输出令牌

分数 vs 总输出令牌

类别细分

编程 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) 输入令牌 输出令牌 推理令牌
Trinity Large Preview 3.7 7.7 11.1% 1 14.34s 738 397 0
Ling 2.6 Flash 5.3 10.0 33.3% 0 11.21s 813 381 0

切换对比组合