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

AI BENCHY Compare

तुलना केलेली मॉडेल्स

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-03-12

मेट्रिक Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium प्रकाशन: 2026-02-15 Qwen3.5-27B Qwen3.5-27B medium प्रकाशन: 2026-02-24 GPT-5.4 GPT-5.4 medium प्रकाशन: 2026-03-05
क्रमांक #5 #8 #10
सरासरी स्कोअर 8.3 8.2 8.0
सुसंगतता 9.5 9.1 8.5
प्रति निकाल खर्च 1.264 3.585 6.601
एकूण खर्च $0.165 $0.431 $0.793
बरोबर चाचण्या
प्रति प्रयत्न पास दर 85.4% 81.3% 83.3%
अस्थिर चाचण्या 1 2 3
एकूण रन 48 48 48
आउटपुट टोकन्स 1,735 1,658 1,756
रिझनिंग टोकन्स 77,212 200,786 46,642
प्रतिसाद वेळ (सरासरी) 34.45s 52.13s 20.05s
प्रतिसाद वेळ (कमाल) 79.86s 163.96s 100.41s
प्रतिसाद वेळ (एकूण) 310.09s 834.16s 320.87s

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

सरासरी स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

सरासरी स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

अँटी-एआय युक्त्या स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 10.37s 186 5,926
Qwen3.5-27B 10.0 10.0 100.0% 0 9.69s 102 8,956
GPT-5.4 10.0 10.0 100.0% 0 5.02s 216 1,466
संयुक्त स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.85s 421 7,906
Qwen3.5-27B 10.0 10.0 100.0% 0 163.96s 483 9,991
GPT-5.4 10.0 10.0 100.0% 0 20.57s 301 3,543
डेटा पार्सिंग आणि निष्कर्षण स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
Qwen3.5 Plus 2026-02-15 9.9 10.0 100.0% 0 46.91s 270 14,916
Qwen3.5-27B 9.9 10.0 100.0% 0 30.26s 270 16,150
GPT-5.4 9.9 10.0 100.0% 0 5.32s 234 804
डोमेन-विशिष्ट स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
Qwen3.5 Plus 2026-02-15 4.0 10.0 33.3% 0 17.50s 35 16,680
Qwen3.5-27B 4.0 10.0 33.3% 0 79.53s 43 52,368
GPT-5.4 4.0 7.2 44.4% 1 74.27s 61 34,748
Samanya Buddhimatta स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
Qwen3.5 Plus 2026-02-15 10.0 1.6 66.7% 1 79.86s 73 8,675
Qwen3.5-27B 5.0 3.1 66.7% 1 101.41s 70 23,147
GPT-5.4 5.0 3.1 33.3% 1 4.92s 145 321
सूचनांचे पालन स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 31.93s 101 7,704
Qwen3.5-27B 10.0 10.0 100.0% 0 19.66s 97 11,638
GPT-5.4 10.0 10.0 100.0% 0 3.11s 93 897
Puzzle Solving स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 34.57s 340 14,496
Qwen3.5-27B 8.3 7.7 77.8% 1 64.61s 245 77,213
GPT-5.4 7.0 7.2 88.9% 1 9.13s 442 3,832
टूल कॉलिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 7.54s 309 909
Qwen3.5-27B 10.0 10.0 100.0% 0 7.45s 348 1,323
GPT-5.4 10.0 10.0 100.0% 0 13.28s 264 1,031

झटपट तुलना

तुलना जोडी बदला