#139 Qwen3.5-9B
medium- Cost
- $0.001
- Time
- 35.9s
- Tokens
- 3,030 tok
Qwen
Veröffentlichung: 2026-03-02
Getestet am: 2026-05-08 14:44
qwen/qwen3.5-9b::medium
(medium)
(none)
Zusammenfassung
Qwen3.5-9B erreicht 4.3 bei AI BENCHY und liegt auf #139. Das Modell hat 3.3 Zuverlässigkeit, 33.3% Erfolgsrate, $0.035 Gesamtkosten und 80.10s durchschnittliche Antwortzeit.
Was Qwen3.5-9B besonders macht: Es nutzt ungewöhnlich viele Reasoning-Tokens, was langsamere oder teurere Läufe erklären kann.
4.3
Konsistenz
6.9
Gesamte Ausgabe-Token
229,656
Gesamte Eingabe-Token
0
Eingabepreis
$0.040 / 1M
Ausgabepreis
$0.150 / 1M
Instabile Tests
7
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-06-04 13:41 Neuer Test hinzugefügt | 4.2 | 5.6 | $0.035 ↓ | Vergleichen | |
| 2026-05-22 00:18 Suite geändert | 4.2 | 1.7 | $0.035 | Vergleichen | |
| 2026-05-08 14:44 Suite geändert | 4.3 | 3.3 | $0.035 | Aktueller Lauf | |
| 2026-05-08 14:44 Suite geändert | 4.3 | 3.3 | $0.035 | Vergleichen | |
| 2026-04-20 17:48 Erster erfasster Lauf | 4.4 | k. A. | $0.030 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 14:44 · Suite geändert | 4.3 | 6.9 | 3.3 | 3/19 | 7 | 229,656 | 0 | $0.035 | 80.10s |
| 2026-04-20 17:48 · Erster erfasster Lauf | 4.4 | 7.2 | k. A. | 3/18 | 6 | 196,888 | 0 | $0.030 | 73.64s |
| Differenz | -0.1 | -0.3 | 0 | +1 | +32768 | 0 | +$0.005 | +6461ms |
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
Qwen3.5-9BmediumvsQwen3.6 FlashnoneQwen3.5-9BmediumvsMiniMax M2.7mediumQwen3.5-9BmediumvsGrok 4.20noneQwen3.5-9BmediumvsQwen3.5-122B-A10BnoneQwen3.5-9Bmediumvsgpt-oss-120bnoneKostenlos verfügbarQwen3.5-9BmediumvsMistral Small 4mediumQwen3.5-9BmediumvsGemini 3 Flash PreviewmediumQwen3.5-9BmediumvsGemini 3.5 FlashhighQwen3.5-9BmediumvsNemotron 3 Ultra 550b A55bmediumKostenlos verfügbarQwen3.5-9BmediumvsGemini 3.5 Flashlow
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 5.1 | 5.8 | |
| Programmierung | 2.6 | 10.0 | |
| Kombiniert | 3.0 | 10.0 | |
| Datenanalyse und -extraktion | 3.6 | 5.6 | |
| Domänenspezifisch | 3.6 | 7.2 | |
| Allgemeine Intelligenz | 2.8 | 1.6 | |
| Befolgung von Anweisungen | 6.4 | 5.8 | |
| Rätsellösen | 2.9 | 7.2 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |