#151 Qwen3.5-9B
medium- Cost
- $0.001
- Time
- 35.9s
- Tokens
- 3,030 tok
सारांश
Qwen3.5-9B AI BENCHY वर 4.2 स्कोर करते आणि #151 वर आहे. याची reliability 1.7, pass rate 31.7%, एकूण खर्च $0.035, आणि सरासरी response time 80.10s आहे.
Qwen3.5-9B खास का आहे: हे अँटी-एआय युक्त्या मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #13. हे असामान्यपणे जास्त reasoning tokens वापरते, ज्यामुळे runs हळू किंवा महाग होऊ शकतात.
4.2
सुसंगतता
7.0
1.7
$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).
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 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 | सध्याची रन | |
| 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
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:18 · सूट बदलला | 4.2 | 7.0 | 1.7 | 3/20 | 7 | 229,656 | 0 | $0.035 | 80.10s |
| 2026-06-04 13:41 · नवीन चाचणी जोडली | 4.2 | 8.0 | 5.6 | 3/21 | 5 | 238,561 | 17,070 | $0.035 | 82.24s |
| फरक | 0.0 | -1.0 | -3.9 | 0 | +2 | -8905 | -17070 | -$0.001 | -2142ms |
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
Qwen3.5-9BmediumvsQwen3.6 FlashnoneQwen3.5-9BmediumvsMiniMax M2.7mediumQwen3.5-9BmediumvsGrok 4.20noneQwen3.5-9BmediumvsQwen3.5-122B-A10BnoneQwen3.5-9Bmediumvsgpt-oss-120bnoneमोफत उपलब्धQwen3.5-9BmediumvsMistral Small 4mediumQwen3.5-9BmediumvsGemini 3 Flash PreviewmediumQwen3.5-9BmediumvsGemini 3.5 FlashhighQwen3.5-9BmediumvsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धQwen3.5-9BmediumvsGemini 3.5 Flashlow
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 5.1 | 5.8 | |
| कोडिंग | 2.8 | 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 |