Advertise here
#402

Qwen3.5-9B

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.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

जाहीर केलेले
पॅरामीटर्स
9B
आर्किटेक्चर
घन
उपलब्धता
मुक्त स्रोत
परवाना
Apache-2.0
पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

4.0

सुसंगतता

7.9

विश्वसनीयता

8.7

एकूण खर्च (सध्याची किंमत)

$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.

बरोबर चाचण्या

चुकीच्या चाचण्या: 20

प्रति प्रयत्न पास दर: 26.1%

अस्थिर चाचण्या

6

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

110.18s

प्रतिसाद वेळ (कमाल): 569.97s

प्रतिसाद वेळ (एकूण): 1873.00s

वेळ संपला: 11 उत्तर नाही: 3 चुकीचे उत्तर: 2 API त्रुटी: 1 अतिरिक्त फॉरमॅटिंग: 1 सूचनांचे पालन केले नाही: 1 अवैध टूल कॉल: 1

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.

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-10-01 01:14 · सध्याची रन69/69 प्रयत्न4.07.98.73/236447,247387,323$0.106110.18s
2026-04-20 17:48 · पहिली नोंदलेली रन54/54 प्रयत्न4.47.2लागू नाही3/186196,8880$0.03073.64s
फरक—-0.3+0.700+250359+387323+$0.077+36537ms

बेंचमार्क कव्हरेज वेगळे आहे: 69/69 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 54/54 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

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

तुलना केलेली मॉडेल्स