#104

Qwen3.8 2.4T A95B

Qwen रिलीज़: 2026-08-12 परीक्षण किया गया: 2026-10-01 04:08 qwen/qwen3.8-2.4t-a95b::low

2.4T कुल (95B सक्रिय)MoEवेट उपलब्ध

(high) (low)

सारांश

Qwen3.8 2.4T A95B AI BENCHY पर 8.4 स्कोर करता है और #104 पर है। इसकी reliability 9.6, pass rate 73.9%, कुल लागत $4.016, और औसत response time 120.40s है।

सुझाए गए विकल्प

हम इसकी जगह इनमें से एक मॉडल चुनने की सलाह देते हैं:

Gemini 3.7 Flash (low)

स्कोर: 9.4 (+0.93 अंक)
कुल लागत (वर्तमान कीमत): $0.183 · 95.5% सस्ता
प्रतिक्रिया समय (औसत): 6.24s · 94.8% तेज़

तुलना करें →

Claude Haiku 5.5 (low)

स्कोर: 8.6 (+0.14 अंक)
कुल लागत (वर्तमान कीमत): $0.061 · 98.5% सस्ता
प्रतिक्रिया समय (औसत): 7.51s · 93.8% तेज़

तुलना करें →

GPT-6.1 Sol (low)

स्कोर: 9.6 (+1.12 अंक)
कुल लागत (वर्तमान कीमत): $0.460 · 88.6% सस्ता
प्रतिक्रिया समय (औसत): 7.15s · 94.1% तेज़

तुलना करें →

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित

पैरामीटर: 2.4T कुल (95B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: वेट उपलब्ध
लाइसेंस: Apache-2.0

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

8.4

संगति

9.2

विश्वसनीयता

9.6

कुल लागत (वर्तमान कीमत)

$4.016 ↑ +26.6%

परीक्षण के समय: $3.172

कुल आउटपुट टोकन

424,019

कुल इनपुट टोकन

313,881

इनपुट कीमत

$2.000 / 1M

आउटपुट कीमत

$6.000 / 1M

कैश पढ़ने की कीमत

$0.250 / 1M

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: 7

प्रति प्रयास पास दर: 73.9%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

120.40s

प्रतिक्रिया समय (अधिकतम): 534.21s

प्रतिक्रिया समय (कुल): 2769.16s

गलत उत्तर: 5 अमान्य टूल कॉल: 1 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#104 Qwen3.8 2.4T A95B

low

लागत: $0.100
समय: 193.2s
टोकन: 16,767 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	सही परीक्षण	कुल लागत	तुलना करें
2026-10-01 04:08 दोबारा परीक्षण	8.4	9.6		$4.016 ↑	वर्तमान रन
2026-08-12 23:44 पहला रन	8.2	9.1		$3.113	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)
2026-10-01 04:08 · वर्तमान रन	69/69 प्रयास	8.4	9.2	9.6	16/23	2	424,019	313,881	$4.016	120.40s
2026-08-12 23:44 · पहला रन	66/66 प्रयास	8.2	8.9	9.1	16/22	3	554,485	113,340	$3.113	132.39s
अंतर	—	+0.3	+0.3	+0.5	0	-1	-130466	+200541	+$0.903	-11990ms

बेंचमार्क कवरेज अलग है: 69/69 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	कैश पढ़ने की कीमत	कैश लिखने की कीमत
2026-08-14 12:51	$2.000 / 1M	$6.000 / 1M	लागू नहीं	लागू नहीं
2026-10-01 18:33	$2.000 / 1M	$6.000 / 1M	$0.250 / 1M	लागू नहीं

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
स्वायत्त एजेंट कार्य	10.0	10.0
एंटी-एआई ट्रिक्स	10.0	10.0
कोडिंग	7.8	9.3
संयुक्त	8.2	6.9
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	3.2	9.3
Samanya Buddhimatta	6.1	3.1
निर्देश पालन	9.8	10.0
पहेली समाधान	10.0	10.0
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Qwen3.8 2.4T A95B

सुझाए गए विकल्प

मॉडल विवरण

Hamster playing table tennis

#104 Qwen3.8 2.4T A95B

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