#64
Qwen
प्रकाशन: 2026-02-24
चाचणी तारीख: 2026-04-11 01:19
qwen/qwen3.5-flash-02-23::none
(medium)
(none)
इनपुट किंमत
$0.065 / 1M
आउटपुट किंमत
$0.260 / 1M
अस्थिर चाचण्या
1
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-21 23:55 सूट बदलला | 5.9 | 10.0 | $0.006 | तुलना करा | |
| 2026-04-11 01:19 पहिली नोंदलेली रन | 6.2 | लागू नाही | $0.006 | सध्याची रन |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:19 · पहिली नोंदलेली रन | 6.2 | 9.6 | लागू नाही | 8/18 | 1 | 4,266 | $0.006 | 3.25s |
| 2026-05-21 23:55 · सूट बदलला | 5.9 | 9.7 | 10.0 | 8/20 | 1 | 4,299 | $0.006 | 2.99s |
| फरक | +0.3 | -0.1 | 0 | 0 | -33 | -$0.001 | +260ms |
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.
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 3.5 | 8.3 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 7.7 | 10.0 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| सूचनांचे पालन | 6.3 | 10.0 | |
| कोडी सोडवणे | 3.3 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 |