#151 Qwen3.5-9B
medium- Cost
- $0.001
- Time
- 35.9s
- Tokens
- 3,030 tok
सारांश
Qwen3.5-9B AI BENCHY पर 4.2 स्कोर करता है और #151 पर है। इसकी reliability 1.7, pass rate 31.7%, कुल लागत $0.035, और औसत response time 80.10s है।
Qwen3.5-9B को अलग क्या बनाता है: यह एंटी-एआई ट्रिक्स में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 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।
4.2
संगति
7.0
1.7
$0.035
कुल आउटपुट टोकन
229,656
कुल इनपुट टोकन
0
इनपुट कीमत
$0.040 / 1M
आउटपुट कीमत
$0.150 / 1M
अस्थिर टेस्ट
7
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 13:41 नया टेस्ट जोड़ा गया | 4.2 | 5.6 | $0.035 ↓ | तुलना करें | |
| 2026-05-22 00:18 सूट बदला गया | 4.2 | 1.7 | $0.035 | वर्तमान रन | |
| 2026-05-08 14:44 सूट बदला गया | 4.3 | 3.3 | $0.035 | तुलना करें | |
| 2026-05-08 14:44 सूट बदला गया | 4.3 | 3.3 | $0.035 | तुलना करें | |
| 2026-04-20 17:48 पहला दर्ज रन | 4.4 | लागू नहीं | $0.030 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:18 · सूट बदला गया | 4.2 | 7.0 | 1.7 | 3/20 | 7 | 229,656 | 0 | $0.035 | 80.10s |
| 2026-05-08 14:44 · सूट बदला गया | 4.3 | 6.9 | 3.3 | 3/19 | 7 | 229,656 | 0 | $0.035 | 80.10s |
| अंतर | -0.1 | +0.1 | -1.6 | 0 | 0 | 0 | 0 | $0.000 | 0ms |
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
Qwen3.5-9BmediumvsQwen3.6 FlashnoneQwen3.5-9BmediumvsMiniMax M2.7mediumQwen3.5-9BmediumvsGrok 4.20noneQwen3.5-9BmediumvsQwen3.5-122B-A10BnoneQwen3.5-9Bmediumvsgpt-oss-120bnoneनिःशुल्क उपलब्धQwen3.5-9BmediumvsMistral Small 4mediumQwen3.5-9BmediumvsGemini 3 Flash PreviewmediumQwen3.5-9BmediumvsGemini 3.5 FlashhighQwen3.5-9BmediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धQwen3.5-9BmediumvsGemini 3.5 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 5.1 | 5.8 | |
| कोडिंग | 2.8 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 3.6 | 5.6 | |
| डोमेन-विशिष्ट | 3.6 | 7.2 | |
| Samanya Buddhimatta | 2.8 | 1.6 | |
| निर्देश पालन | 6.4 | 5.8 | |
| पहेली समाधान | 2.9 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |