AI BENCHY 对比

Trinity Large Preview vs Mistral: Mistral Small 4

摘要

Trinity Large Preview vs Mistral Small 4 (medium) benchmark 对比：Mistral Small 4 (medium) 平均分领先，为 5.1 vs 5.0。 Trinity Large Preview benchmark 成本更低，为 $0.008 vs $0.068。 Trinity Large Preview 更快，为 2.98s vs 9.40s，通过率为 22.2% vs 44.4%。

推荐模型: Trinity Large Preview - 它的得分接近这里的最高分（5.0 vs 5.1），同时成本比Mistral Small 4 (medium)低约 8.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

指标	Trinity Large Preview Trinity Large Preview none 发布日期: 2026-01-27	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16

指标	Trinity Large Preview Trinity Large Preview none 发布日期: 2026-01-27	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16
分数	5.0	5.1
排名	#157	#153
可靠性	10.0	10.0
一致性	9.3	6.9
测试正确
尝试通过率	22.2%	44.4%
不稳定测试	2	8
总运行次数	63	63
每个结果成本	0.017	1.344
总成本	$0.008	$0.068
输入价格	$0.243 / 1M	$0.150 / 1M
输出价格	$0.243 / 1M	$0.600 / 1M
总输入令牌	29,828	42,576
输出令牌	2,169	24,184
推理令牌	0	84,678
响应时间（平均）	2.98s	9.40s
响应时间（最大）	14.34s	59.15s
响应时间（总计）	56.57s	197.39s

生成展示

Hamster playing table tennis

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

#157 Trinity Large Preview

none

No endpoints found for arcee-ai/trinity-large-preview:free.

成本: $0.000
时间: 0.0s
令牌: 0 tok

#153 Mistral Small 4

medium

成本: $0.006
时间: 47.9s
令牌: 9,857 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

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）	输入令牌	输出令牌	推理令牌
Trinity Large Preview	3.1	10.0	0.0%	0		2.07s	651	550	0
Mistral Small 4	5.6	3.8	66.7%	3		2.67s	708	4,055	4,778

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
Mistral Small 4	4.4	5.1	33.3%	2		39.98s	7,636	11,635	54,715

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）	输入令牌	输出令牌	推理令牌
Trinity Large Preview	3.0	10.0	0.0%	0		8.91s	12,053	294	0
Mistral Small 4	3.0	10.0	0.0%	0		25.25s	18,706	2,612	10,700

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）	输入令牌	输出令牌	推理令牌
Trinity Large Preview	10.0	10.0	100.0%	0		3.26s	6,900	186	0
Mistral Small 4	7.3	5.9	83.3%	1		1.23s	6,171	335	723

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）	输入令牌	输出令牌	推理令牌
Trinity Large Preview	5.3	10.0	33.3%	0		877ms	738	25	0
Mistral Small 4	5.3	7.2	44.4%	1		6.11s	742	2,621	6,904

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）	输入令牌	输出令牌	推理令牌
Trinity Large Preview	4.5	10.0	0.0%	0		873ms	498	104	0
Mistral Small 4	4.8	10.0	0.0%	0		2.05s	519	821	828

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）	输入令牌	输出令牌	推理令牌
Trinity Large Preview	3.5	10.0	0.0%	0		822ms	678	63	0
Mistral Small 4	7.3	5.8	83.3%	1		1.38s	729	540	1,031

谜题求解	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	3.6	7.7	11.1%	1		1.97s	669	265	0
Mistral Small 4	3.4	9.7	0.0%	0		2.17s	735	1,226	2,632

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）	输入令牌	输出令牌	推理令牌
Trinity Large Preview	10.0	10.0	100.0%	0		6.67s	6,699	267	0
Mistral Small 4	10.0	10.0	100.0%	0		3.50s	6,420	321	810

常识问答	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	3.0	10.0	0.0%	0		777ms	204	18	0
Mistral Small 4	3.0	10.0	0.0%	0		5.92s	210	18	1,557

快速对比

切换对比组合