#32

Qwen3.6 35B A3B

Qwen प्रकाशन: 2026-04-20 चाचणी तारीख: 2026-05-22 00:02 qwen/qwen3.6-35b-a3b::medium

35B एकूण (3B सक्रिय)MoEमुक्त स्रोत

(medium) (none)

सारांश

Qwen3.6 35B A3B AI BENCHY वर 7.8 स्कोर करते आणि #32 वर आहे. याची reliability 9.4, pass rate 70.4%, एकूण खर्च $0.126, आणि सरासरी response time 17.26s आहे.

Qwen3.6 35B A3B खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

जाहीर केलेले

पॅरामीटर्स: 35B एकूण (3B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: मुक्त स्रोत
परवाना: Apache-2.0

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

7.8

सुसंगतता

9.1

विश्वसनीयता

9.4

एकूण खर्च (सध्याची किंमत)

$0.126

एकूण आउटपुट टोकन्स

134,075

एकूण इनपुट टोकन्स

इनपुट किंमत

$0.150 / 1M

आउटपुट किंमत

$1.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 6

प्रति प्रयत्न पास दर: 70.4%

अस्थिर चाचण्या

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

प्रतिसाद वेळ (सरासरी)

17.26s

प्रतिसाद वेळ (कमाल): 86.11s

प्रतिसाद वेळ (एकूण): 310.77s

चुकीचे उत्तर: 4 सूचनांचे पालन केले नाही: 1 उत्तर नाही: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#32 Qwen3.6 35B A3B

medium

Reached the allocated time limit (300 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 300.0s
टोकन्स: 0 tok

रन इतिहास

चाचणी तारीख	स्कोअर	विश्वसनीयता	एकूण खर्च	तुलना करा
2026-08-14 01:44 पुन्हा चाचणी	6.6	10.0	$0.750 ↑	तुलना करा
2026-07-16 22:06 नवीन चाचणी जोडली	6.7	10.0	$0.746 ↑	तुलना करा
2026-06-04 13:20 नवीन चाचणी जोडली	7.4	10.0	$0.146 ↑	तुलना करा
2026-05-22 00:02 सूट बदलला	7.8	9.4	$0.126	सध्याची रन
2026-04-27 23:06 पहिला रन	8.8	10.0	$0.104	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)
2026-05-22 00:02 · सूट बदलला	60/60 प्रयत्न	7.8	9.1	9.4	12/18	2	134,075	0	$0.126	17.26s
2026-08-14 01:44 · पुन्हा चाचणी	66/66 प्रयत्न	6.6	9.2	10.0	12/22	2	743,292	85,148	$0.750	58.49s
फरक	—	+1.2	-0.1	-0.6	+2	0	-609217	-85148	-$0.624	-41227ms

बेंचमार्क कव्हरेज वेगळे आहे: 60/60 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 66/66 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

श्रेणीवार तपशील

श्रेणी	स्कोअर	सुसंगतता
अँटी-एआय युक्त्या	10.0	10.0
कोडिंग	6.6	10.0
संयुक्त	0.0	0.0
डेटा पार्सिंग आणि निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	5.3	7.2
Samanya Buddhimatta	4.4	9.9
सूचनांचे पालन	10.0	10.0
कोडी सोडवणे	7.9	7.5
टूल कॉलिंग	0.0	0.0
सामान्य ज्ञान	3.0	10.0

Qwen3.6 35B A3B

मॉडेलची माहिती

Hamster playing table tennis

#32 Qwen3.6 35B A3B

चार्ट्स

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

श्रेणीवार तपशील

तुलना केलेली मॉडेल्स