AI BENCHY
Advertise here
#14

Qwen3.6 Max Preview

Qwen रिलीज़: 2026-04-20 परीक्षण किया गया: 2026-05-21 23:59 qwen/qwen3.6-max-preview::medium
(medium) (none)

सारांश

Qwen3.6 Max Preview AI BENCHY पर 8.4 स्कोर करता है और #14 पर है। इसकी reliability 10.0, pass rate 80.0%, कुल लागत $1.036, और औसत response time 58.41s है।

स्कोर

8.4

संगति

9.2

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.036

कुल आउटपुट टोकन

133,033

कुल इनपुट टोकन

0

इनपुट कीमत

$1.040 / 1M

आउटपुट कीमत

$6.240 / 1M

सही परीक्षण

गलत टेस्ट: 5

प्रति प्रयास पास दर: 80.0%

अस्थिर टेस्ट

2

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

प्रतिक्रिया समय (औसत)

58.41s

प्रतिक्रिया समय (अधिकतम): 238.07s

प्रतिक्रिया समय (कुल): 1168.27s

गलत उत्तर: 5

Hamster playing table tennis

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

#14 Qwen3.6 Max Preview

medium
लागत
$0.024
समय
76.5s
टोकन
3,861 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-07-16 21:55 नया टेस्ट जोड़ा गया 8.4 9.9 $1.143 ↓ तुलना करें
2026-06-04 13:25 नया टेस्ट जोड़ा गया 8.5 10.0 $0.960 ↓ तुलना करें
2026-05-21 23:59 सूट बदला गया 8.4 10.0 $1.036 वर्तमान रन
2026-04-27 23:07 पहला रन 8.8 10.0 $0.823 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)
2026-05-21 23:59 · सूट बदला गया8.49.210.015/202133,0330$1.03658.41s
2026-04-27 23:07 · पहला रन8.89.510.015/18199,6530$0.82348.31s
अंतर-0.4-0.30.00+1+333800+$0.213+10100ms

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 Max PreviewmediumvsGPT-5.4mediumQwen3.6 Max PreviewmediumvsGrok 4.5lowQwen3.6 Max PreviewmediumvsClaude Opus 5lowQwen3.6 Max PreviewmediumvsGPT-5.2mediumQwen3.6 Max PreviewmediumvsClaude Fable 5mediumQwen3.6 Max PreviewmediumvsGrok 4.5mediumQwen3.6 Max PreviewmediumvsMuse Spark 1.1mediumQwen3.6 Max PreviewmediumvsClaude Sonnet 5mediumQwen3.6 Max PreviewmediumvsClaude Opus 4.7mediumQwen3.6 Max PreviewmediumvsMuse Spark 1.1low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 8.2 6.7
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 10.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल