AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#104

Qwen3.6 27B

Qwen रिलीज़: 2026-04-20 परीक्षण किया गया: 2026-05-21 23:48 qwen/qwen3.6-27b::none
(medium) (none)

सारांश

Qwen3.6 27B AI BENCHY पर 5.8 स्कोर करता है और #104 पर है। इसकी reliability 10.0, pass rate 50.0%, कुल लागत $0.032, और औसत response time 3.87s है।

Qwen3.6 27B को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

संगति

7.5

कुल आउटपुट टोकन

3,812

कुल इनपुट टोकन

0

इनपुट कीमत

$0.317 / 1M

आउटपुट कीमत

$3.200 / 1M

सही परीक्षण

गलत टेस्ट: 13

प्रति प्रयास पास दर: 50.0%

अस्थिर टेस्ट

6

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

प्रतिक्रिया समय (औसत)

3.87s

प्रतिक्रिया समय (अधिकतम): 12.08s

प्रतिक्रिया समय (कुल): 77.36s

Hamster playing table tennis

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

#104 Qwen3.6 27B

none
लागत
$0.009
समय
83.0s
टोकन
4,549 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-07-16 21:24 नया टेस्ट जोड़ा गया 5.5 10.0 $0.087 तुलना करें
2026-06-04 13:16 नया टेस्ट जोड़ा गया 5.6 10.0 $0.028 तुलना करें
2026-05-21 23:48 सूट बदला गया 5.8 10.0 $0.032 वर्तमान रन
2026-04-27 21:46 नया टेस्ट जोड़ा गया 6.0 10.0 $0.031 तुलना करें
2026-04-27 21:31 पहला दर्ज रन 5.9 10.0 $0.027 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

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 3.8 3.7
कोडिंग 6.8 10.0
संयुक्त 3.0 10.0
डेटा पार्सिंग और निष्कर्षण 7.3 5.8
डोमेन-विशिष्ट 7.7 10.0
Samanya Buddhimatta 5.2 9.9
निर्देश पालन 6.2 5.8
पहेली समाधान 5.3 7.2
टूल कॉलिंग 9.5 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल