AI BENCHY
Advertise here
#82

Qwen3.7 Plus

Qwen रिलीज़: 2026-06-03 परीक्षण किया गया: 2026-06-03 21:24 qwen/qwen3.7-plus::none
~397B कुल (~17B सक्रिय)MoEबंद स्रोतअनुमानित
(medium) (none)

सारांश

Qwen3.7 Plus AI BENCHY पर 6.6 स्कोर करता है और #82 पर है। इसकी reliability 10.0, pass rate 50.0%, कुल लागत $0.027, और औसत response time 2.95s है।

Qwen3.7 Plus को अलग क्या बनाता 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
~397B कुल (~17B 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

6.6

संगति

10.0

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.027

कुल आउटपुट टोकन

6,572

कुल इनपुट टोकन

39,669

इनपुट कीमत

$0.400 / 1M

आउटपुट कीमत

$1.600 / 1M

सही परीक्षण

गलत टेस्ट: 10

प्रति प्रयास पास दर: 50.0%

अस्थिर टेस्ट

0

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

प्रतिक्रिया समय (औसत)

2.95s

प्रतिक्रिया समय (अधिकतम): 29.38s

प्रतिक्रिया समय (कुल): 58.96s

गलत उत्तर: 9 निर्देशों का पालन नहीं किया: 1

Hamster playing table tennis

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

#82 Qwen3.7 Plus

none
लागत
$0.019
समय
213.5s
टोकन
11,960 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-14 01:46 दोबारा परीक्षण 7.3 10.0 $0.106 ↓ तुलना करें
2026-07-16 21:42 नया टेस्ट जोड़ा गया 7.2 10.0 $0.106 ↓ तुलना करें
2026-06-04 13:23 नया टेस्ट जोड़ा गया 6.4 10.0 $0.028 तुलना करें
2026-06-03 21:24 पहला रन 6.6 10.0 $0.027 वर्तमान रन

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-06-03 21:24 · पहला रन60/60 प्रयास6.610.010.010/2006,57239,669$0.0272.95s
2026-08-14 01:46 · दोबारा परीक्षण66/66 प्रयास7.310.010.012/22058,09798,833$0.10612.11s
अंतर—-0.70.00.0-20-51525-59164-$0.080-9161ms

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।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-03 21:35 $0.400 / 1M $1.600 / 1M

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 PlusnonevsGemini 3.1 Flash LitemediumQwen3.7 PlusnonevsDeepSeek V4 Flash 0731mediumQwen3.7 PlusnonevsGLM 5.3 FlashhighQwen3.7 PlusnonevsClaude Opus 4.8noneQwen3.7 PlusnonevsKAT-Coder-Pro V2.5lowQwen3.7 PlusnonevsKimi K2.6mediumQwen3.7 PlusnonevsGLM 5.3highQwen3.7 PlusnonevsKAT-Coder-Pro V2.5highQwen3.7 PlusnonevsClaude Sonnet 4.6noneQwen3.7 PlusnonevsMuse Glimmer 30Bhigh

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 6.5 10.0
कोडिंग 6.8 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.0 10.0
Samanya Buddhimatta 5.3 10.0
निर्देश पालन 6.3 10.0
पहेली समाधान 7.7 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल