#104
Qwen
रिलीज़: 2026-02-24
परीक्षण किया गया: 2026-05-21 23:55
qwen/qwen3.5-flash-02-23::none
(medium)
(none)
इनपुट कीमत
$0.065 / 1M
आउटपुट कीमत
$0.260 / 1M
अस्थिर टेस्ट
1
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-05-21 23:55 सूट बदला गया | 5.9 | 10.0 | $0.006 | वर्तमान रन | |
| 2026-04-11 01:19 पहला दर्ज रन | 6.2 | लागू नहीं | $0.006 | 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 लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:55 · वर्तमान रन | 5.9 | 9.7 | 10.0 | 8/20 | 1 | 4,270 | $0.006 | 3.74s |
| 2026-04-11 01:19 · पहला दर्ज रन | 6.2 | 9.6 | लागू नहीं | 8/18 | 1 | 4,266 | $0.006 | 3.25s |
| अंतर | -0.3 | +0.1 | 0 | 0 | +4 | +$0.001 | +489ms |
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 vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Qwen3.5-FlashnonevsGemini 3.1 Flash LitenoneQwen3.5-FlashnonevsQwen3.6 27BmediumQwen3.5-FlashnonevsGPT-5.5noneQwen3.5-FlashnonevsMercury 2mediumQwen3.5-FlashnonevsGemini 3 Flash PreviewmediumQwen3.5-FlashnonevsGemini 3.5 FlashhighQwen3.5-FlashnonevsRing-2.6-1TmediumQwen3.5-FlashnonevsGemini 3.5 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 3.5 | 8.3 | |
| कोडिंग | 6.8 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 7.7 | 10.0 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| निर्देश पालन | 6.3 | 10.0 | |
| पहेली समाधान | 3.1 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |