#112

Qwen3.5-35B-A3B

Qwen रिलीज़: 2026-02-24 परीक्षण किया गया: 2026-07-16 22:51 qwen/qwen3.5-35b-a3b::medium

35B कुल (3B सक्रिय)MoEमुक्त स्रोत

(medium) (none)

सारांश

Qwen3.5-35B-A3B AI BENCHY पर 6.2 स्कोर करता है और #112 पर है। इसकी reliability 10.0, pass rate 66.7%, कुल लागत $0.837, और औसत response time 112.47s है।

Qwen3.5-35B-A3B को अलग क्या बनाता है: यह निर्देश पालन में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि संयुक्त इसकी सबसे कमजोर जगह है, जहाँ यह #18 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: 35B कुल (3B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: मुक्त स्रोत
लाइसेंस: Apache-2.0

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

6.2

संगति

7.6

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.837 ↓ -16.7%

परीक्षण के समय: $1.005

कुल आउटपुट टोकन

826,670

कुल इनपुट टोकन

130,388

इनपुट कीमत

$0.140 / 1M

आउटपुट कीमत

$1.000 / 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: 11

प्रति प्रयास पास दर: 66.7%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

112.47s

प्रतिक्रिया समय (अधिकतम): 950.25s

प्रतिक्रिया समय (कुल): 2474.28s

समय समाप्त: 5 कोई उत्तर नहीं: 2 गलत उत्तर: 2 API त्रुटि: 1 अमान्य टूल कॉल: 1

Hamster playing table tennis

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

#112 Qwen3.5-35B-A3B

medium

लागत: $0.009
समय: 71.4s
टोकन: 8,631 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-08-14 01:57 दोबारा परीक्षण	6.1	10.0	$1.623 ↑	तुलना करें
2026-07-16 22:51 नया टेस्ट जोड़ा गया	6.2	10.0	$0.837 ↓	वर्तमान रन
2026-06-04 13:42 नया टेस्ट जोड़ा गया	7.1	8.9	$0.401 ↓	तुलना करें
2026-05-22 00:15 सूट बदला गया	7.0	6.7	$0.547	तुलना करें
2026-04-11 01:44 पहला दर्ज रन	7.4	लागू नहीं	$0.398	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)
2026-07-16 22:51 · नया टेस्ट जोड़ा गया	66/66 प्रयास	6.2	7.6	10.0	11/22	6	826,670	130,388	$0.837	112.47s
2026-04-11 01:44 · पहला दर्ज रन	54/54 प्रयास	7.4	6.7	लागू नहीं	10/18	7	218,898	0	$0.398	44.51s
अंतर	—	-1.3	+0.9		+1	-1	+607772	+130388	+$0.440	+67956ms

बेंचमार्क कवरेज अलग है: 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 54/54 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।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत	कैश पढ़ने की कीमत	कैश लिखने की कीमत
2026-06-04 15:40	$0.140 / 1M	$1.000 / 1M	लागू नहीं	लागू नहीं

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	10.0	10.0
कोडिंग	5.9	9.3
संयुक्त	3.8	5.8
डेटा पार्सिंग और निष्कर्षण	7.3	5.9
डोमेन-विशिष्ट	4.1	4.4
Samanya Buddhimatta	2.8	1.6
निर्देश पालन	10.0	10.0
पहेली समाधान	8.2	7.2
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Qwen3.5-35B-A3B

मॉडल विवरण

Hamster playing table tennis

#112 Qwen3.5-35B-A3B

चार्ट

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

श्रेणी विवरण

तुलना किए गए मॉडल