AI BENCHY
Advertise here
#55

Qwen3.6 27B

Qwen रिलीज़: 2026-04-20 परीक्षण किया गया: 2026-04-27 21:48 qwen/qwen3.6-27b::medium
(medium) (none)

सारांश

Qwen3.6 27B AI BENCHY पर 7.0 स्कोर करता है और #55 पर है। इसकी reliability 10.0, pass rate 64.8%, कुल लागत $0.209, और औसत response time 50.53s है।

Qwen3.6 27B को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डेटा पार्सिंग और निष्कर्षण इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।

स्कोर

7.0

संगति

7.9

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.209

कुल आउटपुट टोकन

99,362

कुल इनपुट टोकन

0

इनपुट कीमत

$0.500 / 1M

आउटपुट कीमत

$2.000 / 1M

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 64.8%

अस्थिर टेस्ट

5

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

प्रतिक्रिया समय (औसत)

50.53s

प्रतिक्रिया समय (अधिकतम): 168.22s

प्रतिक्रिया समय (कुल): 909.49s

गलत उत्तर: 5 कोई उत्तर नहीं: 2 निर्देशों का पालन नहीं किया: 1 अमान्य टूल कॉल: 1

Generation showcase

Hamster playing table tennis

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

#55 Qwen3.6 27B

medium
Cost
$0.009
Time
39.6s
Tokens
3,090 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:21 नया टेस्ट जोड़ा गया 6.8 10.0 $0.444 ↑ तुलना करें
2026-05-21 23:59 सूट बदला गया 6.6 9.9 $0.272 तुलना करें
2026-04-27 21:48 नया टेस्ट जोड़ा गया 7.0 10.0 $0.209 वर्तमान रन
2026-04-27 21:31 पहला दर्ज रन 7.9 10.0 $0.043 तुलना करें

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

रन तुलना

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-04-27 21:48 · नया टेस्ट जोड़ा गया7.07.910.09/18599,3620$0.20950.53s
2026-06-04 13:21 · नया टेस्ट जोड़ा गया6.88.210.010/215138,71039,376$0.44459.71s
अंतर+0.2-0.30.0-10-39348-39376-$0.235-9188ms

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।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Qwen3.6 27BmediumvsGPT-5.4 NanomediumQwen3.6 27BmediumvsDeepSeek V3.2mediumQwen3.6 27BmediumvsClaude Opus 4.6mediumQwen3.6 27BmediumvsSeed-2.0-MinimediumQwen3.6 27BmediumvsClaude Opus 4.8noneQwen3.6 27BmediumvsQwen3.6 Max PreviewnoneQwen3.6 27BmediumvsGemini 3 Flash PreviewmediumQwen3.6 27BmediumvsGemini 3.5 FlashhighQwen3.6 27BmediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धQwen3.6 27BmediumvsGemini 3.5 Flashlow

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 8.3 10.0
कोडिंग 10.0 10.0
संयुक्त 7.0 3.7
डेटा पार्सिंग और निष्कर्षण 3.5 1.4
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 6.5 3.4
निर्देश पालन 10.0 10.0
पहेली समाधान 7.7 10.0
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल