#20 Qwen3.5-122B-A10B
medium- Cost
- $0.019
- Timp
- 48.7s
- Tokenuri
- 6,034 tok
Qwen
Lansare: 2026-02-24
Testat la: 2026-04-11 01:44
qwen/qwen3.5-122b-a10b::medium
122B în total (10B activi)MoESursă deschisă
(medium)
(none)
Rezumat
Qwen3.5-122B-A10B obține 8.1 pe AI BENCHY și este pe #20. Are fiabilitate N/D, rată de reușită 79.6%, cost total $0.528 și timp mediu de răspuns 31.38s.
Date despre model
Documentat la 2026-08-12
- Parametri
- 122B în total (10B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
8.1
Consistență
8.6
N/D
$0.528
Total tokenuri de ieșire
180,303
Total tokenuri de intrare
0
Preț de intrare
$0.260 / 1M
Preț de ieșire
$2.080 / 1M
Teste instabile
3
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-08-14 01:54 Retestare | 7.1 | 10.0 | $1.207 ↑ | Compară | |
| 2026-07-16 22:21 Test nou adăugat | 7.1 | 10.0 | $1.046 ↓ | Compară | |
| 2026-06-04 13:31 Test nou adăugat | 7.8 | 10.0 | $0.588 ↓ | Compară | |
| 2026-05-22 00:03 Suită modificată | 7.7 | 10.0 | $0.650 | Compară | |
| 2026-04-11 01:44 Prima rulare înregistrată | 8.1 | N/D | $0.528 | Rularea curentă |
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Prima rulare înregistrată | 54/54 încercări | 8.1 | 8.6 | N/D | 13/18 | 3 | 180,303 | 0 | $0.528 | 31.38s |
| 2026-07-16 22:21 · Test nou adăugat | 66/66 încercări | 7.1 | 8.5 | 10.0 | 14/22 | 4 | 487,218 | 124,771 | $1.046 | 64.16s |
| Diferență | — | +1.0 | +0.1 | -1 | -1 | -306915 | -124771 | -$0.519 | -32784ms |
Acoperirea benchmark diferă: 54/54 încercări (Țintă: 3 repetări per test) față de 66/66 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Top modele după scor
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
Qwen3.5-122B-A10BmediumvsMuse Glimmer 30BmediumQwen3.5-122B-A10BmediumvsMuse Glimmer 30BlowQwen3.5-122B-A10BmediumvsQwen3.7 FlashlowQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowQwen3.5-122B-A10BmediumvsQwen3.5 Plus 2026-04-20mediumQwen3.5-122B-A10BmediumvsSolar Pro 4highQwen3.5-122B-A10BmediumvsMuse Glimmer 30BhighQwen3.5-122B-A10BmediumvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsKAT-Coder-Pro V2.5highQwen3.5-122B-A10BmediumvsGPT-5.6 Solnone
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 4.7 | 1.6 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 2.9 | 7.2 | |
| Inteligență generală | 3.4 | 2.2 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 10.0 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 |