AI BENCHY 对比
Trinity Large Preview vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | Trinity Large Preview Trinity Large Preview none | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 4.7 | 5.4 |
| 排名 | #148 | #127 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 9.3 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 23.3% | 33.3% |
| 不稳定测试 | 2 | 0 |
| 总运行次数 | 60 | 54 |
| 每个结果成本 | 0.017 | 1.570 |
| 总成本 | $0.008 | $0.057 |
| 输入价格 | $0.243 / 1M | $1.250 / 1M |
| 输出价格 | $0.243 / 1M | $2.500 / 1M |
| 总输入令牌 | 29,828 | 41,313 |
| 输出令牌 | 2,169 | 1,923 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.98s | 1.11s |
| 响应时间（最大） | 14.34s | 6.04s |
| 响应时间（总计） | 56.57s | 19.96s |
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 | |
| Grok 4.20 | 4.8 | 10.0 | 25.0% | 0 | 501ms | 1,986 | 267 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Trinity Large Preview | 4.0 | 6.6 | 16.7% | 1 | 14.34s | 738 | 397 | 0 | |
| Grok 4.20 | 3.4 | 9.3 | 0.0% | 0 | 1.22s | 1,074 | 312 | 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 6.04s | 17,673 | 282 | 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 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 522ms | 7,749 | 207 | 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 687ms | 1,746 | 325 | 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 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 659ms | 819 | 83 | 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 | |
| Grok 4.20 | 6.3 | 10.0 | 50.0% | 0 | 445ms | 1,350 | 60 | 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 | |
| Grok 4.20 | 5.3 | 10.0 | 33.3% | 0 | 473ms | 1,671 | 198 | 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 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 7,245 | 189 | 0 |
| 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 | |
| Grok 4.20 | - | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
Trinity Large PreviewnonevsQwen3 Coder NextmediumMiniMax M2.7mediumvsGrok 4.20noneMiniMax M2.5mediumvsGrok 4.20noneMistral Small 4mediumvsGrok 4.20noneElephant AlphamediumvsGrok 4.20noneTrinity Large PreviewnonevsGLM 4.7 FlashmediumCobuddymediumvsGrok 4.20noneOwl AlphamediumvsGrok 4.20noneTrinity Large PreviewnonevsQwen3.5-9Bmediumgpt-oss-120bmedium免费可用vsGrok 4.20noneNemotron 3 Supermedium免费可用vsGrok 4.20noneTrinity Large PreviewnonevsElephant Alphamedium