#70 Qwen3.5-35B-A3B
medium- Cost
- $0.009
- Timp
- 71.4s
- Tokenuri
- 8,631 tok
Qwen
Lansare: 2026-02-24
Testat la: 2026-05-22 00:15
qwen/qwen3.5-35b-a3b::medium
35B în total (3B activi)MoESursă deschisă
(medium)
(none)
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: Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.
Date despre model
Documentat la 2026-08-12
- Parametri
- 35B în total (3B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
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).
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 01:57 Retestare | 6.1 | 10.0 | $1.623 ↑ | Compară | |
| 2026-07-16 22:51 Test nou adăugat | 6.2 | 10.0 | $0.837 ↓ | 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 | Acoperire benchmark | 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 | 60/60 încercări | 7.0 | 7.1 | 6.7 | 10/20 | 7 | 367,406 | 0 | $0.547 | 69.43s |
| 2026-07-16 22:51 · Test nou adăugat | 66/66 încercări | 6.2 | 7.6 | 10.0 | 11/22 | 6 | 826,670 | 130,388 | $0.837 | 112.47s |
| Diferență | — | +0.9 | -0.5 | -3.3 | -1 | +1 | -459264 | -130388 | -$0.291 | -43040ms |
Acoperirea benchmark diferă: 60/60 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
Qwen3.5-35B-A3BmediumvsGemini 3.1 Flash LiteminimalQwen3.5-35B-A3Bmediumvsgpt-oss-120bmediumQwen3.5-35B-A3BmediumvsClaude Sonnet 5noneQwen3.5-35B-A3BmediumvsQwen3.7 FlashnoneQwen3.5-35B-A3BmediumvsGPT-5.6 LunalowQwen3.5-35B-A3BmediumvsGemini 3.1 Flash LitenoneQwen3.5-35B-A3BmediumvsGemma 4 31BmediumDisponibil gratuitQwen3.5-35B-A3BmediumvsQwen3.5-FlashmediumQwen3.5-35B-A3BmediumvsSeed-2.0-LitenoneQwen3.5-35B-A3BmediumvsInklinglow
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 |