#137 Qwen3.6 35B A3B
none- लागत
- $0.008
- समय
- 30.1s
- टोकन
- 6,317 tok
Qwen
रिलीज़: 2026-04-20
परीक्षण किया गया: 2026-05-21 23:54
qwen/qwen3.6-35b-a3b::none
35B कुल (3B सक्रिय)MoEमुक्त स्रोत
(medium)
(none)
सारांश
Qwen3.6 35B A3B AI BENCHY पर 4.9 स्कोर करता है और #137 पर है। इसकी reliability 10.0, pass rate 35.2%, कुल लागत $0.030, और औसत response time 3.83s है।
Qwen3.6 35B A3B को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 35B कुल (3B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- Apache-2.0
4.9
संगति
7.7
10.0
$0.030
कुल आउटपुट टोकन
27,747
कुल इनपुट टोकन
0
इनपुट कीमत
$0.150 / 1M
आउटपुट कीमत
$1.000 / 1M
अस्थिर टेस्ट
5
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
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 |
|---|---|---|---|---|---|
| 2026-08-14 01:43 दोबारा परीक्षण | 5.3 | 10.0 | $0.061 ↑ | तुलना करें | |
| 2026-07-16 21:26 नया टेस्ट जोड़ा गया | 5.3 | 10.0 | $0.061 ↑ | तुलना करें | |
| 2026-06-04 13:19 नया टेस्ट जोड़ा गया | 4.6 | 10.0 | $0.031 ↑ | तुलना करें | |
| 2026-05-21 23:54 सूट बदला गया | 4.9 | 10.0 | $0.030 | वर्तमान रन | |
| 2026-04-27 23:05 पहला रन | 5.1 | 10.0 | $0.019 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:54 · सूट बदला गया | 60/60 प्रयास | 4.9 | 7.7 | 10.0 | 4/18 | 5 | 27,747 | 0 | $0.030 | 3.83s |
| 2026-06-04 13:19 · नया टेस्ट जोड़ा गया | 63/63 प्रयास | 4.6 | 8.0 | 10.0 | 4/21 | 5 | 27,755 | 19,329 | $0.031 | 3.73s |
| अंतर | — | +0.3 | -0.3 | 0.0 | +2 | 0 | -8 | -19329 | -$0.001 | +100ms |
बेंचमार्क कवरेज अलग है: 60/60 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।
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
Qwen3.6 35B A3BnonevsLing-2.6-1TnoneQwen3.6 35B A3BnonevsDots 3 Note Previewnoneनिःशुल्क उपलब्धQwen3.6 35B A3BnonevsSeed-2.0-CodenoneQwen3.6 35B A3BnonevsInklingnoneQwen3.6 35B A3BnonevsLaguna XS 2.1noneनिःशुल्क उपलब्धQwen3.6 35B A3BnonevsGranite 4.2 8BmediumQwen3.6 35B A3BnonevsInkling SmallnoneQwen3.6 35B A3BnonevsNemotron 3.5 Lightningmediumनिःशुल्क उपलब्धQwen3.6 35B A3BnonevsLaguna S 2.1highनिःशुल्क उपलब्धQwen3.6 35B A3BnonevsMistral Small 4none
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 3.6 | 7.6 | |
| कोडिंग | 6.8 | 10.0 | |
| संयुक्त | 0.0 | 0.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.5 | 4.4 | |
| Samanya Buddhimatta | 4.4 | 3.0 | |
| निर्देश पालन | 6.2 | 5.8 | |
| पहेली समाधान | 3.2 | 9.9 | |
| टूल कॉलिंग | 0.0 | 0.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |