#101

Qwen3.5 Plus 2026-04-20

Qwen প্রকাশ: 2026-04-20 পরীক্ষিত হয়েছে: 2026-05-21 23:47 qwen/qwen3.5-plus-20260420::none

~397B মোট (~17B সক্রিয়)MoEবন্ধ উৎসআনুমানিক

(medium) (none)

সারাংশ

Qwen3.5 Plus 2026-04-20 AI BENCHY-তে 5.8 স্কোর করে এবং #101 স্থানে আছে। এর reliability 9.9, pass rate 43.3%, মোট খরচ $0.041, এবং গড় response time 4.58s.

Qwen3.5 Plus 2026-04-20 কে আলাদা করে যা: এটি ডোমেইন-নির্দিষ্ট-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #3; আর অ্যান্টি-এআই কৌশল এর দুর্বলতম ক্ষেত্র, rank #17. একই ধরনের মডেলের তুলনায় এটি লক্ষণীয়ভাবে দ্রুত।

মডেলের তথ্য

গবেষণার তারিখ: 2026-08-12

আনুমানিক

প্যারামিটার: ~397B মোট (~17B সক্রিয়)
আর্কিটেকচার: MoE
উপলভ্যতা: বন্ধ উৎস
লাইসেন্স: -

সর্বজনীন তথ্যপ্রমাণের ভিত্তিতে সেরা অনুমান; প্রদানকারী সব মান প্রকাশ করেনি।

প্যারামিটারের উৎস উপলভ্যতার উৎস

স্কোর

5.8

ধারাবাহিকতা

8.5

নির্ভরযোগ্যতা

9.9

মোট খরচ (বর্তমান মূল্য)

$0.041

মোট আউটপুট টোকেন

11,174

মোট ইনপুট টোকেন

ইনপুট মূল্য

$0.300 / 1M

আউটপুট মূল্য

$1.800 / 1M

সঠিক টেস্ট

ভুল টেস্ট: 13

প্রতি চেষ্টায় পাস রেট: 43.3%

অস্থির টেস্ট

অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।

প্রতিক্রিয়া সময় (গড়)

4.58s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 33.34s

প্রতিক্রিয়া সময় (মোট): 91.55s

ভুল উত্তর: 11 নির্দেশনা অনুসরণ করা হয়নি: 2

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#101 Qwen3.5 Plus 2026-04-20

none

খরচ: $0.008
সময়: 77.0s
টোকেন: 4,369 tok

রান ইতিহাস

পরীক্ষিত হয়েছে	স্কোর	নির্ভরযোগ্যতা	মোট খরচ	তুলনা করুন
2026-08-14 01:39 পুনরায় পরীক্ষা	6.1	10.0	$0.122 ↓	তুলনা করুন
2026-07-16 21:27 নতুন টেস্ট যোগ হয়েছে	6.1	10.0	$0.122 ↓	তুলনা করুন
2026-06-04 13:10 নতুন টেস্ট যোগ হয়েছে	5.7	10.0	$0.032 ↓	তুলনা করুন
2026-05-21 23:47 স্যুইট পরিবর্তিত হয়েছে	5.8	9.9	$0.041	বর্তমান রান
2026-05-08 13:10 স্যুইট পরিবর্তিত হয়েছে	5.9	9.9	$0.040	তুলনা করুন
2026-05-08 13:10 স্যুইট পরিবর্তিত হয়েছে	5.9	9.9	$0.040	তুলনা করুন
2026-04-27 23:05 প্রথম রান	5.8	9.8	$0.024	তুলনা করুন

এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।

রান তুলনা

রান	বেঞ্চমার্ক কভারেজ	স্কোর	ধারাবাহিকতা	নির্ভরযোগ্যতা	সঠিক টেস্ট	অস্থির টেস্ট	মোট আউটপুট টোকেন	মোট ইনপুট টোকেন	মোট খরচ	প্রতিক্রিয়া সময় (গড়)
2026-05-21 23:47 · স্যুইট পরিবর্তিত হয়েছে	60/60 প্রচেষ্টা	5.8	8.5	9.9	7/20	4	11,174	0	$0.041	4.58s
2026-08-14 01:39 · পুনরায় পরীক্ষা	66/66 প্রচেষ্টা	6.1	8.7	10.0	8/22	4	51,487	94,477	$0.122	13.10s
পার্থক্য	—	-0.3	-0.2	-0.1	-1	0	-40313	-94477	-$0.081	-8524ms

বেঞ্চমার্ক কভারেজ আলাদা: 60/60 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 66/66 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি)। মোট মান ও পুনরাবৃত্তি-সংবেদনশীল মেট্রিক সরাসরি তুলনাযোগ্য নয়।

এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।

চার্ট

প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ	স্কোর	ধারাবাহিকতা
অ্যান্টি-এআই কৌশল	4.8	10.0
কোডিং	4.4	6.7
সমন্বিত	2.8	1.6
ডেটা পার্সিং ও নিষ্কাশন	10.0	10.0
ডোমেইন-নির্দিষ্ট	5.3	10.0
Sadharon Buddhimotta	4.8	10.0
নির্দেশনা অনুসরণ	6.2	5.8
ধাঁধা সমাধান	6.7	7.9
টুল কলিং	10.0	10.0
সাধারণ জ্ঞান	3.0	10.0

Qwen3.5 Plus 2026-04-20

মডেলের তথ্য

Hamster playing table tennis

#101 Qwen3.5 Plus 2026-04-20

চার্ট

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর vs মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

তুলনা করা মডেল