- 分数
- 8.6 (+2.84 分)
- 总成本（当前价格）
- $0.061 · 便宜 92.4%
- 响应时间（平均）
- 7.51s · 快 89.9%
Arcee AI
发布日期: 2026-07-28
测试于: 2026-10-01 03:58
arcee-ai/trinity-large-thinking::high
398B 总计 (13B 激活)MoE权重可用
摘要
Trinity Large Thinking 在 AI BENCHY 上得分 5.7，排名 #304。它的可靠性为 10.0，通过率为 42.0%，总成本为 $0.794，平均响应时间为 74.52s。
Trinity Large Thinking 的独特之处： 它最突出的是 智能体任务，排名 #1；相对较弱的是 编程，排名 #17。 它使用的推理 token 明显偏高，这可能解释较慢或成本更高的运行。
推荐替代模型
建议改用以下模型之一：
- 分数
- 9.4 (+3.63 分)
- 总成本（当前价格）
- $0.183 · 便宜 77.0%
- 响应时间（平均）
- 6.24s · 快 91.6%
- 分数
- 8.3 (+2.53 分)
- 总成本（当前价格）
- $0.047 · 便宜 94.1%
- 响应时间（平均）
- 18.07s · 快 75.8%
模型信息
调研日期：2026-08-12
- 参数量
- 398B 总计 (13B 激活)
- 架构
- MoE
- 开放状态
- 权重可用
- 许可证
- OpenMDW
输入价格
$0.250 / 1M
输出价格
$0.800 / 1M
缓存读取价格
$0.060 / 1M
缓存写入价格
不适用
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。
不稳定测试
8
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#304 Trinity Large Thinking
high- 成本
- $0.028
- 时间
- 130.1s
- 令牌
- 34,387 tok
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-10-01 03:58 重新测试 | 5.7 | 10.0 | $0.794 ↑ | 当前轮次 | |
| 2026-07-28 10:47 首次运行 | 4.8 | 9.9 | $0.632 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
价格历史
来自 OpenRouter 的该模型历史定价数据。
| 日期 | 输入价格 | 输出价格 | 缓存读取价格 | 缓存写入价格 |
|---|---|---|---|---|
| 2026-08-14 12:51 | $0.220 / 1M | $0.850 / 1M | 不适用 | 不适用 |
| 2026-10-01 18:33 | $0.250 / 1M | $0.800 / 1M | $0.060 / 1M | 不适用 |
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
Trinity Large ThinkinghighvsRing 2.6 1tmediumTrinity Large ThinkinghighvsGPT-5 NanomediumTrinity Large ThinkinghighvsLing 3.0 FlashhighTrinity Large ThinkinghighvsGPT-5.4 MininoneTrinity Large ThinkinghighvsDeepSeek V4.1 FlashnoneTrinity Large ThinkinghighvsMistral Large 4noneTrinity Large ThinkinghighvsGPT-5.6 TerranoneTrinity Large ThinkinghighvsSeed 2.1 TurbononeTrinity Large ThinkinghighvsDeepSeek V4.1 Flash 1017noneTrinity Large ThinkinghighvsDots 3 Note Previewmedium免费可用