#288 Trinity Large Thinking
high- 成本
- $0.028
- 时间
- 130.1s
- 令牌
- 34,387 tok
Arcee AI
发布日期: 2026-07-28
测试于: 2026-08-14 04:07
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 4.8，排名 #288。它的可靠性为 10.0，通过率为 39.4%，总成本为 $0.592，平均响应时间为 75.86s。
Trinity Large Thinking 的独特之处： 它最突出的是 通用智能，排名 #1；相对较弱的是 领域专项，排名 #10。 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。
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
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.
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-08-14 04:07 重新测试 | 4.8 | 10.0 | $0.592 ↓ | 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。
轮次对比
| 测试轮次 | 基准测试覆盖率 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 04:07 · 当前轮次 | 66/66 次尝试 | 4.8 | 7.2 | 10.0 | 5/22 | 8 | 932,619 | 101,776 | $0.592 | 75.86s |
| 2026-07-28 10:47 · 首次运行 | 66/66 次尝试 | 4.8 | 7.2 | 9.9 | 5/22 | 8 | 953,758 | 101,767 | $0.632 | 77.22s |
| 差值 | — | 0.0 | 0.0 | +0.1 | 0 | 0 | -21139 | +9 | -$0.041 | -1362ms |
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
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 |
|---|---|---|
| 2026-08-14 12:51 | $0.220 / 1M | $0.850 / 1M |
| 2026-09-02 00:25 | $0.250 / 1M | $0.800 / 1M |
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 ThinkinghighvsGPT-5.4 NanononeTrinity Large ThinkinghighvsKAT-Coder-Air V2.5noneTrinity Large ThinkinghighvsNemotron 3.5 Lightninglow免费可用Trinity Large ThinkinghighvsGLM 4.7 FlashnoneTrinity Large ThinkinghighvsRing-2.6-1TnoneTrinity Large ThinkinghighvsTrinity Large PreviewnoneTrinity Large ThinkinghighvsHy4 previewnoneTrinity Large ThinkinghighvsCobuddymediumTrinity Large ThinkinghighvsNemotron 3 Supernone免费可用Trinity Large ThinkinghighvsMercury 2none