- स्कोर
- 8.6 (+1.34 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.061 · 47.6% सस्ता
- प्रतिक्रिया समय (औसत)
- 7.51s · 24.7% तेज़
Qwen
रिलीज़: 2026-02-24
परीक्षण किया गया: 2026-10-01 01:05
qwen/qwen3.5-27b::none
27Bसघनमुक्त स्रोत
(medium)
(none)
सारांश
Qwen3.5-27B AI BENCHY पर 7.2 स्कोर करता है और #149 पर है। इसकी reliability 10.0, pass rate 47.8%, कुल लागत $0.116, और औसत response time 9.98s है।
Qwen3.5-27B को अलग क्या बनाता है: यह स्वायत्त एजेंट कार्य में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है।
सुझाए गए विकल्प
हम इसकी जगह यह मॉडल चुनने की सलाह देते हैं:
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 27B
- आर्किटेक्चर
- सघन
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- Apache-2.0
7.2
संगति
9.4
10.0
$0.116
कुल आउटपुट टोकन
36,422
कुल इनपुट टोकन
283,977
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।
अस्थिर टेस्ट
2
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.
#149 Qwen3.5-27B
none- लागत
- $0.007
- समय
- 42.9s
- टोकन
- 4,273 tok
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-10-01 01:05 दोबारा परीक्षण | 7.2 | 10.0 | $0.116 | वर्तमान रन | |
| 2026-07-16 22:01 नया टेस्ट जोड़ा गया | 6.5 | 10.0 | $0.058 ↓ | तुलना करें | |
| 2026-06-04 13:28 नया टेस्ट जोड़ा गया | 5.7 | 10.0 | $0.015 ↓ | तुलना करें | |
| 2026-05-21 23:59 सूट बदला गया | 5.8 | 10.0 | $0.017 | तुलना करें | |
| 2026-04-11 01:19 पहला दर्ज रन | 5.9 | लागू नहीं | $0.016 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 01:05 · वर्तमान रन | 69/69 प्रयास | 7.2 | 9.4 | 10.0 | 10/23 | 2 | 36,422 | 283,977 | $0.116 | 9.98s |
| 2026-07-16 22:01 · नया टेस्ट जोड़ा गया | 66/66 प्रयास | 6.5 | 9.3 | 10.0 | 8/22 | 2 | 24,321 | 102,316 | $0.058 | 4.76s |
| अंतर | — | +0.7 | +0.1 | 0.0 | +2 | 0 | +12101 | +181661 | +$0.058 | +5220ms |
बेंचमार्क कवरेज अलग है: 69/69 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
Qwen3.5-27BnonevsGemini 3.5 Flash LitemediumQwen3.5-27BnonevsQwen3.5 Plus 2026-02-15mediumQwen3.5-27BnonevsQwen3.6 PlusmediumQwen3.5-27BnonevsQwen3.8 27Bmediumनिःशुल्क उपलब्धQwen3.5-27BnonevsLongCat 2.0highQwen3.5-27BnonevsGemini 3.8 FlashlowQwen3.5-27BnonevsGemini 2.5 FlashmediumQwen3.5-27BnonevsClaude Opus 4.8lowQwen3.5-27BnonevsGrok 4.7mediumQwen3.5-27BnonevsQwen3.7 Flashhigh
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 10.0 | 10.0 | |
| एंटी-एआई ट्रिक्स | 4.8 | 10.0 | |
| कोडिंग | 5.8 | 10.0 | |
| संयुक्त | 6.4 | 5.8 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 5.0 | 10.0 | |
| निर्देश पालन | 6.3 | 10.0 | |
| पहेली समाधान | 6.7 | 7.9 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |