AI BENCHY 对比
Arcee AI: Trinity Large Preview vs OpenAI: GPT-4o-mini
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-30
| 指标 | Trinity Large Preview Trinity Large Preview none | GPT-4o-mini GPT-4o-mini none |
|---|---|---|
| 分数 | 5.2 | 5.1 |
| 排名 | #110 | #119 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 9.6 | 9.9 |
| 测试正确 | ||
| 尝试通过率 | 29.6% | 27.8% |
| 不稳定测试 | 1 | 0 |
| 总运行次数 | 52 | 54 |
| 每个结果成本 | 0.000 | 0.098 |
| 总成本 | $0.000 | $0.005 |
| ???? | $0.150 / 1M | $0.150 / 1M |
| ???? | $0.450 / 1M | $0.600 / 1M |
| 输出令牌 | 1,985 | 1,947 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 5.07s | 2.00s |
| 响应时间（最大） | 39.47s | 7.58s |
| 响应时间（总计） | 91.23s | 21.99s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 3.0 | 10.0 | 0.0% | 0 | 3.02s | 593 | 0 | |
| GPT-4o-mini | 4.8 | 10.0 | 25.0% | 0 | 1.34s | 186 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 6.3 | 10.0 | 0.0% | 0 | 39.47s | 142 | 0 | |
| GPT-4o-mini | 3.0 | 8.7 | 0.0% | 0 | 2.55s | 347 | 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 |
|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 3.0 | 10.0 | 0.0% | 0 | 8.91s | 294 | 0 | |
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 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 |
|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 10.0 | 10.0 | 100.0% | 0 | 3.26s | 186 | 0 | |
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 183 | 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 |
|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 5.3 | 10.0 | 33.3% | 0 | 877ms | 25 | 0 | |
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 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 |
|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 4.4 | 9.9 | 0.0% | 0 | 2.86s | 124 | 0 | |
| GPT-4o-mini | 4.0 | 10.0 | 0.0% | 0 | 909ms | 66 | 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 |
|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 3.4 | 6.2 | 16.7% | 1 | 1.09s | 63 | 0 | |
| GPT-4o-mini | 6.3 | 10.0 | 50.0% | 0 | 1.27s | 69 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 5.4 | 10.0 | 33.3% | 0 | 3.30s | 291 | 0 | |
| GPT-4o-mini | 3.7 | 10.0 | 0.0% | 0 | 1.30s | 308 | 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 |
|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 10.0 | 10.0 | 100.0% | 0 | 6.67s | 267 | 0 | |
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 0 |
快速对比
切换对比组合
Trinity Large PreviewnonevsElephant AlphamediumTrinity Large PreviewnonevsNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用Trinity Large PreviewnonevsMiniMax M2.7mediumNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsGPT-4o-mininoneGPT-4o-mininonevsQwen3 Coder NextmediumGPT-4o-mininonevsElephant AlphamediumMiniMax M2.7mediumvsGPT-4o-mininoneTrinity Large PreviewnonevsQwen3 Coder NextmediumTrinity Large PreviewnonevsMiniMax M2.5medium免费可用Trinity Large PreviewnonevsMistral Small 4mediumGPT-4o-mininonevsGLM 4.7 FlashmediumMiniMax M2.5medium免费可用vsGPT-4o-mininone