#70 Qwen3.5-35B-A3B
medium- Cost
- $0.009
- Timp
- 71.4s
- Tokenuri
- 8,631 tok
Rezumat
Qwen3.5-35B-A3B obține 7.0 pe AI BENCHY și este pe #70. Are fiabilitate 6.7, rată de reușită 71.7%, cost total $0.547 și timp mediu de răspuns 69.43s.
Ce face Qwen3.5-35B-A3B unic: Se remarcă cel mai mult la Programare, unde este pe #1, iar Inteligență generală este zona cea mai slabă, la #14. Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.
7.0
Consistență
7.1
6.7
$0.547
Total tokenuri de ieșire
367,406
Total tokenuri de intrare
0
Preț de intrare
$0.139 / 1M
Preț de ieșire
$1.000 / 1M
Teste instabile
7
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
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 |
|---|---|---|---|---|---|
| 2026-06-04 13:42 Test nou adăugat | 7.1 | 8.9 | $0.401 ↓ | 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
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:15 · Suită modificată | 7.0 | 7.1 | 6.7 | 10/20 | 7 | 367,406 | 0 | $0.547 | 69.43s |
| 2026-06-04 13:42 · Test nou adăugat | 7.1 | 7.2 | 8.9 | 11/21 | 7 | 394,207 | 42,196 | $0.401 | 72.57s |
| Diferență | -0.1 | -0.1 | -2.2 | -1 | 0 | -26801 | -42196 | +$0.147 | -3146ms |
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
Qwen3.5-35B-A3Bmediumvsgpt-oss-120bmediumDisponibil gratuitQwen3.5-35B-A3BmediumvsStep 3.5 FlashmediumQwen3.5-35B-A3BmediumvsQwen3.6 27BmediumQwen3.5-35B-A3BmediumvsMiMo-V2.5mediumQwen3.5-35B-A3BmediumvsGemini 3.1 Flash Lite PreviewlowQwen3.5-35B-A3BmediumvsGemini 3.5 FlashhighQwen3.5-35B-A3BmediumvsGemini 3 Flash PreviewmediumQwen3.5-35B-A3BmediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitQwen3.5-35B-A3BmediumvsGPT-5.5low
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 | 6.4 | 4.4 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |