तुलना करें चार्ट

भाषा:

❤️ Made by XCS

AI BENCHY तुलना

Anthropic: Claude Opus 4.6 vs Qwen: Qwen3.5-122B-A10B

मॉडल नाम:

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए: : 2026-02-27 15:16

सारांश

मेट्रिक	Anthropic: Claude Opus 4.6 medium रिलीज़: रिलीज़ तिथि अज्ञात	Qwen: Qwen3.5-122B-A10B medium रिलीज़: रिलीज़ तिथि अज्ञात
रैंक	#20	#13
स्कोर	6.07	6.77
संगति	8.80	8.22
प्रति परिणाम लागत	10.992	5.137
कुल लागत	$0.880	$0.463
सही परीक्षण
गलत टेस्ट	6	5
प्रति प्रयास पास दर	61.9%	76.2%
अस्थिर टेस्ट	2	3
आउटपुट टोकन	19,576	16,751
रीजनिंग टोकन	11,081	125,394

श्रेणी विवरण

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	4.00	4.41	55.6%	2		897	1,000
Qwen: Qwen3.5-122B-A10B	10.00	10.00	100.0%	0		248	10,486

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	10.00	10.00	100.0%	0		668	763
Qwen: Qwen3.5-122B-A10B	9.88	10.00	100.0%	0		270	16,558

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	1.00	10.00	0.0%	0		16,328	7,928
Qwen: Qwen3.5-122B-A10B	1.00	7.21	11.1%	1		15,537	64,889

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	9.50	9.99	100.0%	0		266	468
Qwen: Qwen3.5-122B-A10B	5.50	5.92	83.3%	1		77	7,372

Puzzle Solving	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	7.00	10.00	66.7%	0		556	593
Qwen: Qwen3.5-122B-A10B	7.00	7.21	88.9%	1		297	24,863

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	10.00	10.00	100.0%	0		861	329
Qwen: Qwen3.5-122B-A10B	10.00	10.00	100.0%	0		322	1,226

तुलना जोड़ी बदलें

Anthropic: Claude Opus 4.6 की तुलना इससे करें...

Qwen: Qwen3.5-122B-A10B की तुलना इससे करें...