AI BENCHY
Advertise here
#56

Qwen3.5-Flash

Qwen रिलीज़: 2026-02-24 परीक्षण किया गया: 2026-05-21 23:57 qwen/qwen3.5-flash-02-23::medium
(medium) (none)

सारांश

Qwen3.5-Flash AI BENCHY पर 7.4 स्कोर करता है और #56 पर है। इसकी reliability 8.3, pass rate 73.3%, कुल लागत $0.104, और औसत response time 65.64s है।

Qwen3.5-Flash को अलग क्या बनाता है: यह निर्देश पालन में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि पहेली समाधान 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।

स्कोर

7.4

संगति

7.6

विश्वसनीयता

8.3

कुल लागत (वर्तमान कीमत)

$0.104

कुल आउटपुट टोकन

286,029

कुल इनपुट टोकन

0

इनपुट कीमत

$0.065 / 1M

आउटपुट कीमत

$0.260 / 1M

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 73.3%

अस्थिर टेस्ट

6

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

प्रतिक्रिया समय (औसत)

65.64s

प्रतिक्रिया समय (अधिकतम): 234.29s

प्रतिक्रिया समय (कुल): 1312.72s

गलत उत्तर: 4 समय समाप्त: 3 API त्रुटि: 1 निर्देशों का पालन नहीं किया: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#56 Qwen3.5-Flash

medium
लागत
$0.002
समय
25.8s
टोकन
4,294 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:36 नया टेस्ट जोड़ा गया 7.4 8.9 $0.080 ↓ तुलना करें
2026-05-21 23:57 सूट बदला गया 7.4 8.3 $0.104 वर्तमान रन
2026-04-11 01:44 पहला दर्ज रन 7.8 लागू नहीं $0.080 तुलना करें

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

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-FlashmediumvsStep 3.7 FlashhighQwen3.5-FlashmediumvsKimi K2.7 CodemediumQwen3.5-FlashmediumvsGemini 3.5 FlashnoneQwen3.5-FlashmediumvsGLM 5.2noneQwen3.5-FlashmediumvsGemini 3 Flash PreviewnoneQwen3.5-FlashmediumvsGemini 3.5 FlashhighQwen3.5-FlashmediumvsGemini 3 Flash PreviewmediumQwen3.5-FlashmediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धQwen3.5-FlashmediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 4.1 5.8
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 7.3 5.9
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 6.1 3.1
निर्देश पालन 10.0 10.0
पहेली समाधान 6.6 4.6
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल