- स्कोअर
- 8.3 (+4.22 गुण)
- एकूण खर्च (सध्याची किंमत)
- $0.000 · 100.0% स्वस्त
- प्रतिसाद वेळ (सरासरी)
- 88.74s · 19.5% वेगवान
Qwen
प्रकाशन: 2026-03-02
चाचणी तारीख: 2026-10-01 01:14
qwen/qwen3.5-9b::medium
9Bघनमुक्त स्रोत
(medium)
(none)
सारांश
Qwen3.5-9B AI BENCHY वर 4.0 स्कोर करते आणि #402 वर आहे. याची reliability 8.7, pass rate 26.1%, एकूण खर्च $0.106, आणि सरासरी response time 110.18s आहे.
Qwen3.5-9B खास का आहे: हे स्वायत्त एजंट कार्ये मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #2 आहे; तर Samanya Buddhimatta हा सर्वात कमकुवत भाग आहे, rank #10. हे असामान्यपणे जास्त reasoning tokens वापरते, ज्यामुळे runs हळू किंवा महाग होऊ शकतात.
शिफारस केलेले पर्याय
त्याऐवजी यापैकी एक मॉडेल निवडण्याची शिफारस करतो:
- स्कोअर
- 8.6 (+4.54 गुण)
- एकूण खर्च (सध्याची किंमत)
- $0.061 · 42.8% स्वस्त
- प्रतिसाद वेळ (सरासरी)
- 7.51s · 93.2% वेगवान
- स्कोअर
- 7.5 (+3.51 गुण)
- एकूण खर्च (सध्याची किंमत)
- $0.000 · 100.0% स्वस्त
- प्रतिसाद वेळ (सरासरी)
- 29.38s · 73.3% वेगवान
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- 9B
- आर्किटेक्चर
- घन
- उपलब्धता
- मुक्त स्रोत
- परवाना
- Apache-2.0
4.0
सुसंगतता
7.9
8.7
$0.106
एकूण आउटपुट टोकन्स
447,247
एकूण इनपुट टोकन्स
387,323
इनपुट किंमत
$0.100 / 1M
आउटपुट किंमत
$0.150 / 1M
कॅश वाचण्याची किंमत
लागू नाही
कॅश लिहिण्याची किंमत
लागू नाही
कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.
अस्थिर चाचण्या
6
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#402 Qwen3.5-9B
medium- खर्च
- $0.001
- वेळ
- 35.9s
- टोकन्स
- 3,030 tok
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-10-01 01:14 पुन्हा चाचणी | 4.0 | 8.7 | $0.106 | सध्याची रन | |
| 2026-07-16 23:12 नवीन चाचणी जोडली | 3.8 | 5.0 | $0.036 ↑ | तुलना करा | |
| 2026-06-04 13:41 नवीन चाचणी जोडली | 4.2 | 5.6 | $0.035 ↓ | तुलना करा | |
| 2026-05-22 00:18 सूट बदलला | 4.2 | 1.7 | $0.035 | तुलना करा | |
| 2026-05-08 14:44 सूट बदलला | 4.3 | 3.3 | $0.035 | तुलना करा | |
| 2026-05-08 14:44 सूट बदलला | 4.3 | 3.3 | $0.035 | तुलना करा | |
| 2026-04-20 17:48 पहिली नोंदलेली रन | 4.4 | लागू नाही | $0.030 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
Qwen3.5-9BmediumvsMercury 2.5noneQwen3.5-9BmediumvsLing 3.0 TinydefaultQwen3.5-9Bmediumvsgpt-oss-120bnoneQwen3.5-9BmediumvsGranite 4.1 8bdefaultQwen3.5-9BmediumvsGLM 4.7 FlashmediumQwen3.5-9BmediumvsNemotron 3.5 Lightningnoneमोफत उपलब्धQwen3.5-9BmediumvsMiniMax M2.5mediumQwen3.5-9BmediumvsXing4.0 29b A4bmediumमोफत उपलब्धQwen3.5-9BmediumvsMercury 2noneQwen3.5-9BmediumvsLing 3.0 Tinyhigh
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| स्वायत्त एजंट कार्ये | 5.2 | 3.2 | |
| अँटी-एआय युक्त्या | 5.1 | 5.8 | |
| कोडिंग | 2.9 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 3.6 | 5.6 | |
| डोमेन-विशिष्ट | 3.6 | 7.2 | |
| Samanya Buddhimatta | 2.8 | 1.6 | |
| सूचनांचे पालन | 6.5 | 10.0 | |
| कोडी सोडवणे | 3.0 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |