#337 Qwen3.6 Max Preview
none- लागत
- $0.025
- समय
- 83.9s
- टोकन
- 4,066 tok
Qwen
रिलीज़: 2026-04-20
परीक्षण किया गया: 2026-08-14 01:44
qwen/qwen3.6-max-preview::none
~1T कुल (~40B सक्रिय)MoEबंद स्रोतअनुमानित
(medium)
(none)
सारांश
Qwen3.6 Max Preview AI BENCHY पर 5.3 स्कोर करता है और #337 पर है। इसकी reliability 9.9, pass rate 53.6%, कुल लागत $0.228, और औसत response time 7.82s है।
Qwen3.6 Max Preview को अलग क्या बनाता है: यह संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि स्वायत्त एजेंट कार्य इसकी सबसे कमजोर जगह है, जहाँ यह #14 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।
5.3
संगति
8.9
9.9
कुल आउटपुट टोकन
19,257
कुल इनपुट टोकन
106,348
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 01:44 दोबारा परीक्षण | 5.3 | 9.9 | $0.228 ↓ | वर्तमान रन | |
| 2026-07-16 21:32 नया टेस्ट जोड़ा गया | 6.6 | 9.9 | $0.231 ↓ | तुलना करें | |
| 2026-06-04 13:21 नया टेस्ट जोड़ा गया | 6.9 | 10.0 | $0.075 ↓ | तुलना करें | |
| 2026-05-21 23:53 सूट बदला गया | 7.1 | 10.0 | $0.088 | तुलना करें | |
| 2026-04-27 23:05 पहला रन | 7.3 | 10.0 | $0.083 | 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 01:44 · वर्तमान रन | 66/69 प्रयास | 5.3 | 8.9 | 9.9 | 11/22 | 2 | 19,257 | 106,348 | $0.228 | 7.82s |
| 2026-06-04 13:21 · नया टेस्ट जोड़ा गया | 63/63 प्रयास | 6.9 | 9.2 | 10.0 | 11/21 | 2 | 4,779 | 42,509 | $0.075 | 3.30s |
| अंतर | — | -1.6 | -0.3 | -0.1 | 0 | 0 | +14478 | +63839 | +$0.154 | +4515ms |
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 | 5.2 | 7.9 | |
| कोडिंग | 3.8 | 7.3 | |
| संयुक्त | 6.5 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 4.3 | 10.0 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 10.0 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |