#139 Qwen3.5-9B
medium- खर्च
- $0.001
- वेळ
- 35.9s
- टोकन्स
- 3,030 tok
Qwen
प्रकाशन: 2026-03-02
चाचणी तारीख: 2026-05-08 14:44
qwen/qwen3.5-9b::medium
9Bघनमुक्त स्रोत
(medium)
(none)
सारांश
Qwen3.5-9B AI BENCHY वर 4.3 स्कोर करते आणि #139 वर आहे. याची reliability 3.3, pass rate 33.3%, एकूण खर्च $0.035, आणि सरासरी response time 80.10s आहे.
Qwen3.5-9B खास का आहे: हे डोमेन-विशिष्ट मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #4 आहे; तर अँटी-एआय युक्त्या हा सर्वात कमकुवत भाग आहे, rank #18. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- 9B
- आर्किटेक्चर
- घन
- उपलब्धता
- मुक्त स्रोत
- परवाना
- Apache-2.0
4.3
सुसंगतता
6.9
3.3
$0.035
एकूण आउटपुट टोकन्स
229,656
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.040 / 1M
आउटपुट किंमत
$0.150 / 1M
अस्थिर चाचण्या
7
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.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-08-14 02:23 पुन्हा चाचणी | 3.8 | 6.0 | $0.062 ↑ | तुलना करा | |
| 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 | सध्याची रन | |
| 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
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 14:44 · सूट बदलला | 57/57 प्रयत्न | 4.3 | 6.9 | 3.3 | 3/19 | 7 | 229,656 | 0 | $0.035 | 80.10s |
| 2026-05-08 14:44 · सूट बदलला | 57/57 प्रयत्न | 4.3 | 6.9 | 3.3 | 3/19 | 7 | 229,656 | 0 | $0.035 | 80.10s |
| फरक | — | 0.0 | 0.0 | 0.0 | 0 | 0 | 0 | 0 | $0.000 | 0ms |
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.
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
Qwen3.5-9BmediumvsLing 3.0 TinylowQwen3.5-9BmediumvsLing 3.0 TinymediumQwen3.5-9BmediumvsLing 3.0 TinyhighQwen3.5-9Bmediumvsgpt-oss-120bnoneमोफत उपलब्धQwen3.5-9BmediumvsMercury 2.5noneQwen3.5-9BmediumvsNemotron 3.5 Lightningnoneमोफत उपलब्धQwen3.5-9BmediumvsGranite 4.1 8BnoneQwen3.5-9BmediumvsLing 3.0 TinynoneQwen3.5-9BmediumvsGrok 4.20noneQwen3.5-9BmediumvsGranite 4.2 8Bnone
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 5.1 | 5.8 | |
| कोडिंग | 2.6 | 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 | 6.4 | 5.8 | |
| कोडी सोडवणे | 2.9 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |