#66

Qwen3.6 Max Preview

Qwen रिलीज़: 2026-04-20 परीक्षण किया गया: 2026-05-21 23:53 qwen/qwen3.6-max-preview::none

~1T कुल (~40B सक्रिय)MoEबंद स्रोतअनुमानित

(medium) (none)

सारांश

Qwen3.6 Max Preview AI BENCHY पर 7.1 स्कोर करता है और #66 पर है। इसकी reliability 10.0, pass rate 61.7%, कुल लागत $0.088, और औसत response time 3.27s है।

Qwen3.6 Max Preview को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है। यह समान मॉडलों की तुलना में काफ़ी तेज है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित

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।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

7.1

संगति

9.2

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.088

कुल आउटपुट टोकन

4,775

कुल इनपुट टोकन

इनपुट कीमत

$1.040 / 1M

आउटपुट कीमत

$6.240 / 1M

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 61.7%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

3.27s

प्रतिक्रिया समय (अधिकतम): 20.51s

प्रतिक्रिया समय (कुल): 65.47s

गलत उत्तर: 9

Hamster playing table tennis

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

#66 Qwen3.6 Max Preview

none

लागत: $0.025
समय: 83.9s
टोकन: 4,066 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-08-14 01:44 दोबारा परीक्षण	6.4	9.9	$0.228 ↓	तुलना करें
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	वर्तमान रन
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)
2026-05-21 23:53 · सूट बदला गया	60/60 प्रयास	7.1	9.2	10.0	11/20	2	4,775	0	$0.088	3.27s
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	—	+0.2	0.0	0.0	0	0	-4	-42509	+$0.014	-31ms

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।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	5.2	7.9
कोडिंग	4.2	6.0
संयुक्त	3.0	10.0
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	7.7	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

Qwen3.6 Max Preview

मॉडल विवरण

Hamster playing table tennis

#66 Qwen3.6 Max Preview

चार्ट

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

श्रेणी विवरण

तुलना किए गए मॉडल