AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#100

Qwen3 Coder Next

Qwen रिलीज़: 2026-02-03 परीक्षण किया गया: 2026-04-14 00:56 qwen/qwen3-coder-next::medium
(medium) (none)

सारांश

Qwen3 Coder Next AI BENCHY पर 4.7 स्कोर करता है और #100 पर है। इसकी reliability लागू नहीं, pass rate 27.8%, कुल लागत $0.008, और औसत response time 10.75s है।

संगति

8.7

विश्वसनीयता

लागू नहीं

कुल आउटपुट टोकन

3,241

कुल इनपुट टोकन

0

इनपुट कीमत

$0.150 / 1M

आउटपुट कीमत

$0.800 / 1M

सही परीक्षण

गलत टेस्ट: 15

प्रति प्रयास पास दर: 27.8%

अस्थिर टेस्ट

3

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

प्रतिक्रिया समय (औसत)

10.75s

प्रतिक्रिया समय (अधिकतम): 81.80s

प्रतिक्रिया समय (कुल): 129.01s

जनरेशन शोकेस

Hamster playing table tennis

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

#100 Qwen3 Coder Next

medium
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:09 नया टेस्ट जोड़ा गया 4.6 10.0 $0.008 तुलना करें
2026-05-21 23:45 सूट बदला गया 4.7 10.0 $0.008 तुलना करें
2026-04-14 00:56 पहला दर्ज रन 4.7 लागू नहीं $0.008 वर्तमान रन

रन तुलना

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-04-14 00:56 · पहला दर्ज रन4.78.7लागू नहीं3/1833,2410$0.00810.75s
2026-05-21 23:45 · सूट बदला गया4.78.910.04/2033,2800$0.0089.29s
अंतर0.0-0.2-10-390-$0.001+1461ms

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 सही परीक्षण
एंटी-एआई ट्रिक्स 3.5 8.1
कोडिंग 4.7 1.6
संयुक्त 3.0 10.0
डेटा पार्सिंग और निष्कर्षण 6.5 10.0
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 6.3 3.4
निर्देश पालन 4.8 10.0
पहेली समाधान 3.1 10.0
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल