COMPARE / 2–4 MODELS

模型对比

MODEL SELECTOR

选择对比模型

4 / 4

模型厂商查找模型

Trinity Large Thinking×Command A+×Gemma 4 E4B (Reasoning)×Gemma 3n E2B Instruct×

Trinity Large Thinking / Command A+ / Gemma 4 E4B (Reasoning) / Gemma 3n E2B Instruct

PRICE / CAPABILITY FRONTIER

模型斩杀线坐标

4 个所选模型

左上区域代表更低价格和更高能力。红色前沿线由当前主流模型计算；对比状态只显示所选模型点，隐藏其他背景点。价格采用标准输入档位，横轴为对数刻度。

020406080100

AA 智能指数越高越好

Trinity Large ThinkingArcee AI

10.882差 21.8%

Command A+Cohere

13.924最优

Gemma 4 E4B (Reasoning)Google

8.915差 36.0%

Gemma 3n E2B InstructGoogle

4.834差 65.3%

GPQA 科学推理越高越好

Trinity Large ThinkingArcee AI

0.752差 1.2%

Command A+Cohere

0.761最优

Gemma 4 E4B (Reasoning)Google

0.576差 24.3%

Gemma 3n E2B InstructGoogle

0.229差 69.9%

τ² 智能体工具任务越高越好

Trinity Large ThinkingArcee AI

0.901最优

Command A+Cohere

0.807差 10.4%

Gemma 4 E4B (Reasoning)Google

0.208差 76.9%

Gemma 3n E2B InstructGoogle

0差 100.0%

SciCode 科研编程越高越好

Trinity Large ThinkingArcee AI

0.406最优

Command A+Cohere

0.385差 5.1%

Gemma 4 E4B (Reasoning)Google

—

Gemma 3n E2B InstructGoogle

—

输出速度中位数越高越好

Trinity Large ThinkingArcee AI

311.482最优

Command A+Cohere

246.96差 20.7%

Gemma 4 E4B (Reasoning)Google

42.786差 86.3%

Gemma 3n E2B InstructGoogle

—

条长为同一维度内的 0至100 归一化分数；右侧数字为来源原始值。指数使用原始百分制，速度和延迟按本次所选模型相对归一化。

评测数据来自 Artificial Analysis，本站仅作非官方中文呈现；归一化仅用于当前所选模型的视觉比较，不改变原始值。查看指标口径。

FULL SPECIFICATION

完整指标对照

35 项

指标	Trinity Large Thinking	Command A+	Gemma 4 E4B (Reasoning)	Gemma 3n E2B Instruct
AA 智能指数 · 越高越好	10.882距最优 21.8%	13.924最优	8.915距最优 36.0%	4.834距最优 65.3%
智能指数评测成本USD · 越低越好	0.353不可计算	0最优	—无数据	—无数据
CritPT 批判性推理 · 越高越好	0.009最优	0.003距最优 66.7%	0.006距最优 33.3%	0距最优 100.0%
GDPval 专业任务 · 越高越好	0.006距最优 92.7%	0.079最优	0距最优 100.0%	—无数据
GPQA 科学推理 · 越高越好	0.752距最优 1.2%	0.761最优	0.576距最优 24.3%	0.229距最优 69.9%
Humanity’s Last Exam · 越高越好	0.159最优	0.12距最优 24.6%	0.038距最优 76.3%	0.042距最优 73.7%
IFBench 指令遵循 · 越高越好	0.563距最优 23.9%	0.74最优	0.442距最优 40.2%	0.22距最优 70.2%
LCR 长上下文推理 · 越高越好	0.38距最优 27.8%	0.527最优	0.32距最优 39.2%	0距最优 100.0%
MMMU-Pro 多模态理解 · 越高越好	—无数据	0.632最优	0.514距最优 18.7%	—无数据
Omniscience 综合知识 · 越高越好	-44.067距最优 997.1%	-4.017最优	-19.7距最优 390.5%	-80.167距最优 1895.9%
Omniscience 准确率 · 越高越好	0.225最优	0.089距最优 60.5%	0.086距最优 61.9%	0.068距最优 69.6%
Omniscience 非幻觉率 · 越高越好	0.141距最优 83.6%	0.858最优	0.691距最优 19.5%	0.066距最优 92.3%
SciCode 科研编程 · 越高越好	0.406最优	0.385距最优 5.1%	—无数据	—无数据
τ² 智能体工具任务 · 越高越好	0.901最优	0.807距最优 10.4%	0.208距最优 76.9%	0距最优 100.0%
τ-Bench 银行业任务 · 越高越好	0.058距最优 3.4%	0.06最优	—无数据	—无数据
Terminal-Bench Hard · 越高越好	0.227距最优 9.1%	0.25最优	0.083距最优 66.7%	0.008距最优 97.0%
输出速度中位数tokens/s · 越高越好	311.482最优	246.96距最优 20.7%	42.786距最优 86.3%	—无数据
输出速度 P05tokens/s · 越高越好	219.533最优	175.728距最优 20.0%	21.396距最优 90.3%	—无数据
输出速度 P25tokens/s · 越高越好	283.546最优	223.794距最优 21.1%	36.763距最优 87.0%	—无数据
输出速度 P75tokens/s · 越高越好	350.308最优	268.83距最优 23.3%	48.179距最优 86.2%	—无数据
输出速度 P95tokens/s · 越高越好	397.425最优	298.295距最优 24.9%	54.299距最优 86.3%	—无数据
推理耗时中位数秒 · 越低越好	6.421最优	8.099距最优 26.1%	46.744距最优 628.0%	—无数据
首 token 延迟中位数秒 · 越低越好	1.285距最优 214.9%	0.408最优	0.865距最优 112.0%	—无数据
首 token 延迟 P05秒 · 越低越好	0.815距最优 141.0%	0.338最优	0.735距最优 117.4%	—无数据
首 token 延迟 P25秒 · 越低越好	1.015距最优 170.1%	0.376最优	0.782距最优 108.1%	—无数据
首 token 延迟 P75秒 · 越低越好	1.376距最优 220.7%	0.429最优	0.982距最优 128.9%	—无数据
首 token 延迟 P95秒 · 越低越好	1.542距最优 88.7%	0.817最优	1.205距最优 47.4%	—无数据
首答案 token 延迟中位数秒 · 越低越好	7.706最优	8.507距最优 10.4%	47.609距最优 517.8%	—无数据
端到端响应中位数秒 · 越低越好	9.311最优	10.531距最优 13.1%	59.296距最优 536.8%	—无数据
上下文窗口tokens · 越高越好	512,000最优	192,000距最优 62.5%	128,000距最优 75.0%	32,000距最优 93.8%
Standard 输入价格百万 tokens · 越低越好	¥1.6768不可计算	¥0.0000最优	¥0.1341不可计算	¥0.0000最优
Standard 输出价格百万 tokens · 越低越好	¥6.0364不可计算	¥0.0000最优	¥0.6707不可计算	¥0.0000最优
Standard 缓存输入价格百万 tokens · 越低越好	—无数据	—无数据	—无数据	—无数据
terminal bench21 · 越高越好	0.206距最优 9.8%	0.229最优	0.019距最优 91.8%	—无数据
terminal bench40 · 越高越好	0.005最优	0.005最优	—无数据	—无数据

人民币价格按服务端汇率 1 USD = 6.7071 CNY 折算，参考日期 2026/9/16。