Advertise here
#27

Qwen3.7 Max

Qwen रिलीज़: 2026-05-22 परीक्षण किया गया: 2026-05-21 23:54 qwen/qwen3.7-max::none
~1T कुल (~40B सक्रिय)MoEबंद स्रोतअनुमानित
(medium) (none)

सारांश

Qwen3.7 Max AI BENCHY पर 7.9 स्कोर करता है और #27 पर है। इसकी reliability 10.0, pass rate 70.0%, कुल लागत $0.101, और औसत response time 1.30s है।

Qwen3.7 Max को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 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

7.9

संगति

10.0

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.101

कुल आउटपुट टोकन

1,988

कुल इनपुट टोकन

0

इनपुट कीमत

$2.500 / 1M

आउटपुट कीमत

$7.500 / 1M

कैश पढ़ने की कीमत

लागू नहीं

कैश लिखने की कीमत

लागू नहीं

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।

सही परीक्षण

गलत टेस्ट: 6

प्रति प्रयास पास दर: 70.0%

अस्थिर टेस्ट

0

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

प्रतिक्रिया समय (औसत)

1.30s

प्रतिक्रिया समय (अधिकतम): 3.92s

प्रतिक्रिया समय (कुल): 25.95s

गलत उत्तर: 6

Hamster playing table tennis

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

#27 Qwen3.7 Max

none
लागत
$0.046
समय
195.0s
टोकन
12,171 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-14 01:44 दोबारा परीक्षण 7.4 9.9 $0.197 ↓ तुलना करें
2026-07-16 21:33 नया टेस्ट जोड़ा गया 7.4 9.9 $0.197 ↓ तुलना करें
2026-06-04 13:21 नया टेस्ट जोड़ा गया 7.7 10.0 $0.054 ↓ तुलना करें
2026-05-21 23:54 पहला रन 7.9 10.0 $0.101 वर्तमान रन

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-05-21 23:54 · पहला रन60/60 प्रयास7.910.010.014/2001,9880$0.1011.30s
2026-08-14 01:44 · दोबारा परीक्षण66/66 प्रयास7.410.09.915/22012,44695,992$0.1974.56s
अंतर—+0.50.0+0.1-10-10458-95992-$0.097-3261ms

बेंचमार्क कवरेज अलग है: 60/60 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 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

Qwen3.7 MaxnonevsGPT-5.4 MinimediumQwen3.7 MaxnonevsGemini 3.5 FlashmediumQwen3.7 MaxnonevsClaude Fable 5.1highQwen3.7 MaxnonevsQwen3.8 2.4T A95BhighQwen3.7 MaxnonevsGLM 5.3 FlashXmaxQwen3.7 MaxnonevsMiMo-V2.6-FlashmediumQwen3.7 MaxnonevsQwen3.5-27BmediumQwen3.7 MaxnonevsLing 3.1 FlashhighQwen3.7 MaxnonevsGPT-5.6 TerralowQwen3.7 MaxnonevsGrok 4.5medium

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 6.5 10.0
कोडिंग 6.8 10.0
संयुक्त 3.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 7.7 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

तुलना किए गए मॉडल