#56 Qwen3.5-Flash
medium- खर्च
- $0.002
- वेळ
- 25.8s
- टोकन्स
- 4,294 tok
Qwen
प्रकाशन: 2026-02-24
चाचणी तारीख: 2026-05-21 23:57
qwen/qwen3.5-flash-02-23::medium
(medium)
(none)
सारांश
Qwen3.5-Flash AI BENCHY वर 7.4 स्कोर करते आणि #56 वर आहे. याची reliability 8.3, pass rate 73.3%, एकूण खर्च $0.104, आणि सरासरी response time 65.64s आहे.
Qwen3.5-Flash खास का आहे: हे सूचनांचे पालन मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडी सोडवणे हा सर्वात कमकुवत भाग आहे, rank #13. हे असामान्यपणे जास्त reasoning tokens वापरते, ज्यामुळे runs हळू किंवा महाग होऊ शकतात.
7.4
सुसंगतता
7.6
8.3
$0.104
एकूण आउटपुट टोकन्स
286,029
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.065 / 1M
आउटपुट किंमत
$0.260 / 1M
अस्थिर चाचण्या
6
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
जनरेशन शोकेस
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 13:36 नवीन चाचणी जोडली | 7.4 | 8.9 | $0.080 ↓ | तुलना करा | |
| 2026-05-21 23:57 सूट बदलला | 7.4 | 8.3 | $0.104 | सध्याची रन | |
| 2026-04-11 01:44 पहिली नोंदलेली रन | 7.8 | लागू नाही | $0.080 | 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) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:57 · सूट बदलला | 7.4 | 7.6 | 8.3 | 11/20 | 6 | 286,029 | 0 | $0.104 | 65.64s |
| 2026-06-04 13:36 · नवीन चाचणी जोडली | 7.4 | 8.1 | 8.9 | 12/21 | 5 | 296,686 | 38,926 | $0.080 | 63.29s |
| फरक | 0.0 | -0.5 | -0.6 | -1 | +1 | -10657 | -38926 | +$0.024 | +2344ms |
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-FlashmediumvsStep 3.7 FlashhighQwen3.5-FlashmediumvsKimi K2.7 CodemediumQwen3.5-FlashmediumvsGemini 3.5 FlashnoneQwen3.5-FlashmediumvsGLM 5.2noneQwen3.5-FlashmediumvsGemini 3 Flash PreviewnoneQwen3.5-FlashmediumvsGemini 3.5 FlashhighQwen3.5-FlashmediumvsGemini 3 Flash PreviewmediumQwen3.5-FlashmediumvsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धQwen3.5-FlashmediumvsGPT-5.5low
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 10.0 | 10.0 | |
| कोडिंग | 4.1 | 5.8 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 7.3 | 5.9 | |
| डोमेन-विशिष्ट | 5.3 | 7.2 | |
| Samanya Buddhimatta | 6.1 | 3.1 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| कोडी सोडवणे | 6.6 | 4.6 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |