Advertise here
#102

Qwen3.5-27B

Qwen रिलीज़: 2026-02-24 परीक्षण किया गया: 2026-10-01 01:06 qwen/qwen3.5-27b::medium
27Bसघनमुक्त स्रोत
(medium) (none)

सारांश

Qwen3.5-27B AI BENCHY पर 7.9 स्कोर करता है और #102 पर है। इसकी reliability 10.0, pass rate 76.8%, कुल लागत $1.135, और औसत response time 114.73s है।

Qwen3.5-27B को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #4 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #13 पर है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित
पैरामीटर
27B
आर्किटेक्चर
सघन
उपलब्धता
मुक्त स्रोत
लाइसेंस
Apache-2.0
पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

7.9

संगति

7.9

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.135

कुल आउटपुट टोकन

635,288

कुल इनपुट टोकन

288,919

इनपुट कीमत

$0.195 / 1M

आउटपुट कीमत

$1.560 / 1M

कैश पढ़ने की कीमत

लागू नहीं

कैश लिखने की कीमत

लागू नहीं

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 76.8%

अस्थिर टेस्ट

6

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

114.73s

प्रतिक्रिया समय (अधिकतम): 1026.43s

प्रतिक्रिया समय (कुल): 2638.74s

गलत उत्तर: 4 निर्देशों का पालन नहीं किया: 2 अतिरिक्त फॉर्मेटिंग: 1 अमान्य टूल कॉल: 1 समय समाप्त: 1

Hamster playing table tennis

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

#102 Qwen3.5-27B

medium
लागत
$0.008
समय
62.0s
टोकन
3,099 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 01:06 दोबारा परीक्षण 7.9 10.0 $1.135 वर्तमान रन
2026-07-16 22:51 नया टेस्ट जोड़ा गया 7.4 10.0 $0.981 ↓ तुलना करें
2026-06-04 13:40 नया टेस्ट जोड़ा गया 7.8 10.0 $0.536 ↓ तुलना करें
2026-05-22 00:04 सूट बदला गया 7.9 10.0 $0.607 तुलना करें
2026-04-11 01:44 पहला दर्ज रन 8.4 लागू नहीं $0.497 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-10-01 01:06 · वर्तमान रन69/69 प्रयास7.97.910.014/236635,288288,919$1.135114.73s
2026-05-22 00:04 · सूट बदला गया60/60 प्रयास7.98.910.013/203314,5830$0.60760.85s
अंतर—0.0-1.00.0+1+3+320705+288919+$0.529+53882ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 60/60 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Qwen3.5-27BmediumvsGPT-5.6 TerralowQwen3.5-27BmediumvsGLM 5.3 FlashXmaxQwen3.5-27BmediumvsQwen3.8 Flash NextlowQwen3.5-27BmediumvsClaude Fable 5.1highQwen3.5-27BmediumvsGemini 3.8 FlashmediumQwen3.5-27BmediumvsGPT-5.4 MinimediumQwen3.5-27BmediumvsGPT-5.4 NanomediumQwen3.5-27BmediumvsQwen3.7 MaxnoneQwen3.5-27BmediumvsNemotron 3 Ultramediumनिःशुल्क उपलब्धQwen3.5-27BmediumvsGemini 3.5 Flashmedium

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 10.0 10.0
एंटी-एआई ट्रिक्स 8.7 7.9
कोडिंग 6.2 7.1
संयुक्त 7.3 5.8
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.9 7.2
Samanya Buddhimatta 6.1 3.1
निर्देश पालन 10.0 10.0
पहेली समाधान 8.2 7.7
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल