导航
Advertise here

Trinity Large Thinking (low) vs DeepSeek V4 Flash 0423

平均分几乎持平,为 6.3 vs 6.3。 DeepSeek V4 Flash 0423 benchmark 成本更低,为 $0.149 vs $0.918。 DeepSeek V4 Flash 0423 更快,为 38.64s vs 95.16s,通过率为 47.8% vs 30.4%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-13

已对比模型

排名
#305
总输出令牌
765,746
响应时间(平均)
95.16s
总成本
$0.918
排名
#306
总输出令牌
115,591
响应时间(平均)
38.64s
总成本
$0.149
推荐模型 DeepSeek V4 Flash 0423

它在这里得分最高(6.3),同时成本比Trinity Large Thinking (low)低约 6.2 倍。

详细对比

指标 Trinity Large Thinking Trinity Large Thinking low 发布日期: 2026-07-28 DeepSeek V4 Flash 0423 DeepSeek V4 Flash 0423 none 发布日期: 2026-04-24
分数 6.3 6.3
排名 #305 #306
可靠性 10.0 10.0
一致性 8.1 8.6
尝试次数 69/69 69/69
测试正确
尝试通过率 47.8% 30.4%
不稳定测试 6 4
总运行次数 69 69
每个结果成本 9.163 1.220
总成本 $0.918 $0.149
输入价格 $0.250 / 1M $0.002 / 1M
输出价格 $0.800 / 1M $1.280 / 1M
缓存读取价格 $0.060 / 1M $0.002 / 1M
缓存写入价格 不适用 不适用
总输入令牌 347,980 403,455
输出令牌 121,898 100,227
推理令牌 720,302 15,364
响应时间(平均) 95.16s 38.64s
响应时间(最大) 540.96s 247.27s
响应时间(总计) 2188.74s 888.69s
参数量 398B 总计 (13B 激活) 284B 总计 (13B 激活)
开放状态 权重可用 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.

#305 Trinity Large Thinking

low
成本
$0.021
时间
173.2s
令牌
24,586 tok

#306 DeepSeek V4 Flash 0423

none
成本
$0.004
时间
157.6s
令牌
11,297 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 Thinking 5.3 10.0 33.3% 0 344.45s 5,441 27,039 217,241
DeepSeek V4 Flash 0423 4.2 7.4 11.1% 1 17.13s 7,279 498 9,219

切换对比组合