#26 Qwen3.5-27B
medium- लागत
- $0.008
- समय
- 62.0s
- टोकन
- 3,099 tok
Qwen
रिलीज़: 2026-02-24
परीक्षण किया गया: 2026-05-22 00:04
qwen/qwen3.5-27b::medium
27Bसघनमुक्त स्रोत
(medium)
(none)
सारांश
Qwen3.5-27B AI BENCHY पर 7.9 स्कोर करता है और #26 पर है। इसकी reliability 10.0, pass rate 73.3%, कुल लागत $0.607, और औसत response time 60.85s 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 #18 पर है।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 27B
- आर्किटेक्चर
- सघन
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- Apache-2.0
7.9
संगति
8.9
10.0
$0.607
कुल आउटपुट टोकन
314,583
कुल इनपुट टोकन
0
इनपुट कीमत
$0.195 / 1M
आउटपुट कीमत
$1.560 / 1M
अस्थिर टेस्ट
3
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-08-14 01:58 दोबारा परीक्षण | 7.5 | 10.0 | $0.982 ↓ | तुलना करें | |
| 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 | वर्तमान रन | |
| 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
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:04 · सूट बदला गया | 60/60 प्रयास | 7.9 | 8.9 | 10.0 | 13/20 | 3 | 314,583 | 0 | $0.607 | 60.85s |
| 2026-07-16 22:51 · नया टेस्ट जोड़ा गया | 66/66 प्रयास | 7.4 | 8.2 | 10.0 | 13/22 | 5 | 614,429 | 111,635 | $0.981 | 111.94s |
| अंतर | — | +0.5 | +0.7 | 0.0 | 0 | -2 | -299846 | -111635 | -$0.375 | -51093ms |
बेंचमार्क कवरेज अलग है: 60/60 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 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।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Qwen3.5-27BmediumvsQwen3.5 Plus 2026-02-15mediumQwen3.5-27BmediumvsGPT-5.4 MinimediumQwen3.5-27BmediumvsGPT 5.3 ChatnoneQwen3.5-27BmediumvsGrok Build 0.1mediumQwen3.5-27BmediumvsMiniMax M3mediumQwen3.5-27BmediumvsGemini 3.1 Flash Lite PreviewmediumQwen3.5-27BmediumvsGPT-5.6 TerralowQwen3.5-27BmediumvsQwen3.7 MaxnoneQwen3.5-27BmediumvsGPT-5.4 NanomediumQwen3.5-27BmediumvsKimi K2.7 Codemedium
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 8.7 | 7.9 | |
| कोडिंग | 7.0 | 9.8 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| 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 |