AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

#68

Qwen3.5-35B-A3B

Qwen Lansare: 2026-02-24 Testat la: 2026-05-22 00:15 qwen/qwen3.5-35b-a3b::medium
(medium) (none)

Scor

7.3

Consistență

7.5

Total tokenuri de ieșire

361,788

Preț de intrare

$0.139 / 1M

Preț de ieșire

$1.000 / 1M

Teste corecte

Teste greșite: 9

Rată de trecere pe încercare: 73.3%

Teste instabile

6

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

69.66s

Timp de răspuns (maxim): 409.98s

Timp de răspuns (total): 1393.17s

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-05-22 00:15 Suită modificată 7.0 6.7 $0.547 Rularea curentă
2026-04-11 01:44 Prima rulare înregistrată 7.4 N/D $0.398 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Comparație între rulări

RulareScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireCost totalTimp de răspuns (mediu)
2026-05-22 00:15 · Rularea curentă7.37.510.011/206361,788$0.53669.66s
2026-04-11 01:44 · Prima rulare înregistrată7.46.7N/D10/187218,898$0.39844.51s
Diferență-0.2+0.8+1-1+142890+$0.138+25147ms

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.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 6.5 10.0
Combinat 4.7 1.6
Parsare și extragere de date 7.3 5.9
Specific domeniului 4.1 4.4
Inteligență generală 2.8 1.6
Respectarea instrucțiunilor 10.0 10.0
Rezolvare de puzzle-uri 8.2 7.2
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate