导航
Advertise here

Trinity Large Thinking (low) vs Grok 4.20 (medium)

平均分几乎持平,为 6.3 vs 6.3。 Trinity Large Thinking (low) benchmark 成本更低,为 $0.918 vs $1.246。 Grok 4.20 (medium) 更快,为 36.73s vs 95.16s,通过率为 47.8% vs 58.0%。

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
#307
总输出令牌
302,087
响应时间(平均)
36.73s
总成本
$1.246
推荐模型 Grok 4.20 (medium)

它在这里得分最高(6.3),同时响应速度比Trinity Large Thinking (low)快约 2.6 倍。

详细对比

指标 Trinity Large Thinking Trinity Large Thinking low 发布日期: 2026-07-28 Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31
分数 6.3 6.3
排名 #305 #307
可靠性 10.0 10.0
一致性 8.1 8.2
尝试次数 69/69 69/69
测试正确
尝试通过率 47.8% 58.0%
不稳定测试 6 5
总运行次数 69 69
每个结果成本 9.163 14.374
总成本 $0.918 $1.246
输入价格 $0.250 / 1M $1.250 / 1M
输出价格 $0.800 / 1M $2.500 / 1M
缓存读取价格 $0.060 / 1M $0.200 / 1M
缓存写入价格 不适用 不适用
总输入令牌 347,980 392,127
输出令牌 121,898 7,754
推理令牌 720,302 294,333
响应时间(平均) 95.16s 36.73s
响应时间(最大) 540.96s 199.66s
响应时间(总计) 2188.74s 844.68s
参数量 398B 总计 (13B 激活) ~1T 总计 (~100B 激活)
开放状态 权重可用 闭源

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

#307 SpaceXAI: Grok 4.20

medium
成本
$0.041
时间
110.3s
令牌
16,336 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
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150

切换对比组合