- 排名
- #145
- 总输出令牌
- 815,220
- 响应时间（平均）
- 96.78s
- 总成本
- $0.656
Trinity Large Thinking (low) vs Step 3.5 Flash (medium)
平均分几乎持平，为 6.0 vs 6.0。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.108 vs $0.656。 Trinity Large Thinking (low) 更快，为 96.78s vs 174.22s，通过率为 48.5% vs 51.5%。
- 排名
- #146
- 总输出令牌
- 402,554
- 响应时间（平均）
- 174.22s
- 总成本
- $0.108
推荐模型
Step 3.5 Flash (medium)
它在这里得分最高（6.0），同时成本比Trinity Large Thinking (low)低约 6.1 倍。
详细对比
| 指标 | Trinity Large Thinking Trinity Large Thinking low | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| 分数 | 6.0 | 6.0 |
| 排名 | #145 | #146 |
| 可靠性 | 9.7 | 9.2 |
| 一致性 | 7.9 | 9.0 |
| 测试正确 | ||
| 尝试通过率 | 48.5% | 51.5% |
| 不稳定测试 | 6 | 1 |
| 总运行次数 | 66 | 63 |
| 每个结果成本 | 8.199 | 0.540 |
| 总成本 | $0.656 | $0.108 |
| 输入价格 | $0.220 / 1M | $0.100 / 1M |
| 输出价格 | $0.850 / 1M | $0.300 / 1M |
| 总输入令牌 | 122,845 | 65,707 |
| 输出令牌 | 117,704 | 108,561 |
| 推理令牌 | 697,516 | 293,993 |
| 响应时间（平均） | 96.78s | 174.22s |
| 响应时间（最大） | 540.96s | 1597.85s |
| 响应时间（总计） | 2129.13s | 2613.32s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#145 Trinity Large Thinking
low- 成本
- $0.021
- 时间
- 173.2s
- 令牌
- 24,586 tok
#146 Step 3.5 Flash
medium- 成本
- $0.008
- 时间
- 277.1s
- 令牌
- 23,695 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 Thinking | 8.3 | 10.0 | 75.0% | 0 | 5.70s | 663 | 1,451 | 5,431 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 40.57s | 694 | 20,391 | 24,176 |
| 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 | |
| Step 3.5 Flash | 2.4 | 5.2 | 0.0% | 0 | 258.38s | 2,211 | 13,207 | 22,429 |
| 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 Thinking | 5.2 | 6.0 | 33.3% | 1 | 291.02s | 99,467 | 9,848 | 234,039 | |
| Step 3.5 Flash | 6.5 | 10.0 | 50.0% | 0 | 813.71s | 44,914 | 18,150 | 111,004 |
| 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 Thinking | 7.3 | 5.8 | 83.3% | 1 | 14.30s | 6,906 | 459 | 9,451 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 7,368 | 600 | 13,886 |
| 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 Thinking | 2.9 | 4.4 | 22.2% | 2 | 141.46s | 747 | 69,943 | 216,565 | |
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 673 | 45,350 | 90,436 |
| 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 Thinking | 10.0 | 10.0 | 100.0% | 0 | 12.65s | 501 | 5,138 | 5,695 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 22.39s | 509 | 240 | 3,506 |
| 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 Thinking | 4.4 | 6.8 | 16.7% | 1 | 4.07s | 684 | 45 | 3,710 | |
| Step 3.5 Flash | 8.3 | 10.0 | 50.0% | 0 | 4.78s | 705 | 2,364 | 3,521 |
| 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 Thinking | 6.3 | 7.9 | 44.4% | 1 | 3.28s | 678 | 2,625 | 3,077 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.22s | 711 | 5,630 | 10,861 |
| 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 Thinking | 10.0 | 10.0 | 100.0% | 0 | 5.19s | 7,551 | 299 | 1,430 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 7,701 | 275 | 3,802 |
| 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 Thinking | 3.0 | 10.0 | 0.0% | 0 | 2.10s | 207 | 857 | 877 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 108.45s | 221 | 2,354 | 10,372 |
快速对比
切换对比组合
Trinity Large ThinkinglowvsNemotron 3 Ultranone免费可用Nemotron 3 Ultranone免费可用vsStep 3.5 FlashmediumTrinity Large ThinkinglowvsGPT-5 NanomediumTrinity Large ThinkinglowvsQwen3.5-35B-A3BnoneQwen3.5-35B-A3BnonevsStep 3.5 FlashmediumTrinity Large ThinkinglowvsQwen3.5 Plus 2026-04-20noneQwen3.5 Plus 2026-04-20nonevsStep 3.5 FlashmediumTrinity Large ThinkinglowvsQwen3.5-FlashnoneQwen3.5-FlashnonevsStep 3.5 FlashmediumTrinity Large ThinkinglowvsQwen3.6 FlashnoneQwen3.6 FlashnonevsStep 3.5 FlashmediumGPT-5.6 TerranonevsStep 3.5 Flashmedium