#188 Qwen3.6 Max Preview
medium- लागत
- $0.024
- समय
- 76.5s
- टोकन
- 3,861 tok
Qwen
रिलीज़: 2026-04-20
परीक्षण किया गया: 2026-08-14 01:45
qwen/qwen3.6-max-preview::medium
~1T कुल (~40B सक्रिय)MoEबंद स्रोतअनुमानित
(medium)
(none)
सारांश
Qwen3.6 Max Preview AI BENCHY पर 7.0 स्कोर करता है और #188 पर है। इसकी reliability 10.0, pass rate 79.7%, कुल लागत $1.132, और औसत response time 66.52s है।
Qwen3.6 Max Preview को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि स्वायत्त एजेंट कार्य इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- ~1T कुल (~40B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।
7.0
संगति
8.9
10.0
कुल आउटपुट टोकन
170,373
कुल इनपुट टोकन
79,249
इनपुट कीमत
$1.028 / 1M
आउटपुट कीमत
$6.162 / 1M
कैश पढ़ने की कीमत
लागू नहीं
कैश लिखने की कीमत
$1.284 / 1M
कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।
अस्थिर टेस्ट
2
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 01:45 दोबारा परीक्षण | 7.0 | 10.0 | $1.132 ↓ | वर्तमान रन | |
| 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 | तुलना करें | |
| 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
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 01:45 · वर्तमान रन | 66/69 प्रयास | 7.0 | 8.9 | 10.0 | 17/22 | 2 | 170,373 | 79,249 | $1.132 | 66.52s |
| 2026-06-04 13:25 · नया टेस्ट जोड़ा गया | 63/63 प्रयास | 8.5 | 9.3 | 10.0 | 16/21 | 2 | 146,640 | 42,362 | $0.960 | 59.63s |
| अंतर | — | -1.5 | -0.4 | 0.0 | +1 | 0 | +23733 | +36887 | +$0.173 | +6895ms |
बेंचमार्क कवरेज अलग है: 66/69 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।
कीमत का इतिहास
OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।
| तारीख | इनपुट कीमत | आउटपुट कीमत | कैश पढ़ने की कीमत | कैश लिखने की कीमत |
|---|---|---|---|---|
| 2026-06-04 15:40 | $1.040 / 1M | $6.240 / 1M | लागू नहीं | लागू नहीं |
| 2026-08-14 12:51 | $1.028 / 1M | $6.162 / 1M | लागू नहीं | लागू नहीं |
| 2026-10-01 18:33 | $1.028 / 1M | $6.162 / 1M | लागू नहीं | $1.284 / 1M |
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
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 0.0 | 0.0 | |
| एंटी-एआई ट्रिक्स | 10.0 | 10.0 | |
| कोडिंग | 8.8 | 7.8 | |
| संयुक्त | 7.3 | 5.8 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| 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 |