导航
Advertise here

Trinity Large Thinking (low) vs Qwen3.7 Flash

Qwen3.7 Flash 平均分领先，为 6.1 vs 6.0。 Qwen3.7 Flash benchmark 成本更低，为 $0.019 vs $0.625。 Qwen3.7 Flash 更快，为 10.05s vs 96.61s，通过率为 47.0% vs 36.4%。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-09-10

已对比模型

排名
#208
总输出令牌
818,359
响应时间（平均）
96.61s
总成本
$0.625
排名
#199
总输出令牌
90,507
响应时间（平均）
10.05s
总成本
$0.019
推荐模型 Qwen3.7 Flash

它在这里得分最高（6.1），同时成本比Trinity Large Thinking (low)低约 34.1 倍。

详细对比

指标 Trinity Large Thinking Trinity Large Thinking low 发布日期: 2026-07-28 Qwen3.7 Flash Qwen3.7 Flash none 发布日期: 2026-07-28
分数 6.0 6.1
排名 #208 #199
可靠性 10.0 10.0
一致性 8.3 9.2
尝试次数 66/66 66/66
测试正确
尝试通过率 47.0% 36.4%
不稳定测试 5 2
总运行次数 66 66
每个结果成本 8.221 0.262
总成本 $0.625 $0.019
输入价格 $0.250 / 1M $0.030 / 1M
输出价格 $0.800 / 1M $0.130 / 1M
总输入令牌 122,854 218,740
输出令牌 119,810 90,507
推理令牌 698,549 0
响应时间（平均） 96.61s 10.05s
响应时间（最大） 540.96s 186.24s
响应时间（总计） 2125.51s 221.13s
参数量 398B 总计 (13B 激活) ~35B 总计 (~3B 激活)
开放状态 权重可用 闭源

模型生成展示

Hamster playing table tennis

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

#208 Trinity Large Thinking

low
成本
$0.021
时间
173.2s
令牌
24,586 tok

#199 Qwen3.7 Flash

none
成本
$0.001
时间
34.0s
令牌
4,814 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
Qwen3.7 Flash 5.5 10.0 33.3% 0 1.55s 7,911 855 0

快速对比

切换对比组合

gpt-oss-120bmediumvsQwen3.7 FlashnoneQwen3.7 FlashnonevsInklinglowTrinity Large ThinkinglowvsGemini 2.5 FlashnoneTrinity Large ThinkingmediumvsQwen3.7 FlashnoneTrinity Large ThinkinglowvsNemotron 3 Ultranone免费可用Gemini 3.1 Flash LiteminimalvsQwen3.7 FlashnoneTrinity Large ThinkinglowvsQwen3.5 Plus 2026-04-20noneTrinity Large ThinkinglowvsGemma 4 31Bnone免费可用GPT-5.6 LunalowvsQwen3.7 FlashnoneTrinity Large ThinkinglowvsQwen3.6 FlashnoneGemma 4 31Bmedium免费可用vsQwen3.7 FlashnoneTrinity Large ThinkinglowvsGPT-5.6 Terranone