AI BENCHY
Advertise here
#31

Qwen3.8 Max (0902)

Qwen प्रकाशन: 2026-09-07 चाचणी तारीख: 2026-09-07 16:41 qwen/qwen3.8-max-0902::high
2.4T एकूण (~100B सक्रिय)MoEबंद स्रोतअंदाजित
(high) (medium) (low)

सारांश

Qwen3.8 Max (0902) AI BENCHY वर 8.9 स्कोर करते आणि #31 वर आहे. याची reliability 9.8, pass rate 86.4%, एकूण खर्च $2.736, आणि सरासरी response time 185.56s आहे.

Qwen3.8 Max (0902) खास का आहे: हे डोमेन-विशिष्ट मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #2 आहे; तर संयुक्त हा सर्वात कमकुवत भाग आहे, rank #13.

मॉडेलची माहिती

संशोधन दिनांक: 2026-09-07

अंदाजित
पॅरामीटर्स
2.4T एकूण (~100B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत 1 पॅरामीटर स्रोत 2 उपलब्धता स्रोत

स्कोअर

8.9

सुसंगतता

9.0

विश्वसनीयता

9.8

एकूण खर्च (सध्याची किंमत)

$2.736

एकूण आउटपुट टोकन्स

419,443

एकूण इनपुट टोकन्स

109,226

इनपुट किंमत

$2.000 / 1M

आउटपुट किंमत

$6.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 5

प्रति प्रयत्न पास दर: 86.4%

अस्थिर चाचण्या

3

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

प्रतिसाद वेळ (सरासरी)

185.56s

प्रतिसाद वेळ (कमाल): 912.78s

प्रतिसाद वेळ (एकूण): 4082.41s

चुकीचे उत्तर: 2 सूचनांचे पालन केले नाही: 1 अवैध टूल कॉल: 1 वेळ संपला: 1

Hamster playing table tennis

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

#31 Qwen3.8 Max (0902)

high
Reached the allocated time limit (600 seconds) without receiving showcase output.
खर्च
$0.000
वेळ
600.0s
टोकन्स
0 tok

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Qwen3.8 Max (0902)highvsGrok 4.5highQwen3.8 Max (0902)highvsGPT-5.3-CodexmediumQwen3.8 Max (0902)highvsQwen3.8 MaxmediumQwen3.8 Max (0902)highvsMuse Spark 1.3highQwen3.8 Max (0902)highvsGPT-5.5mediumQwen3.8 Max (0902)highvsSeed 2.1 TurbohighQwen3.8 Max (0902)highvsGemini 3.5 FlashmediumQwen3.8 Max (0902)highvsGemini 3.5 FlashlowQwen3.8 Max (0902)highvsClaude Fable 5.1highQwen3.8 Max (0902)highvsQwen3.8 Max (0902)medium

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 10.0 10.0
कोडिंग 10.0 10.0
संयुक्त 8.7 6.9
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.9 7.2
Samanya Buddhimatta 6.5 3.4
सूचनांचे पालन 9.8 10.0
कोडी सोडवणे 10.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स