#151 Qwen3.5-9B
medium- Cost
- $0.001
- Time
- 35.9s
- Tokens
- 3,030 tok
Rezumat
Qwen3.5-9B obține 4.2 pe AI BENCHY și este pe #151. Are fiabilitate 1.7, rată de reușită 31.7%, cost total $0.035 și timp mediu de răspuns 80.10s.
Ce face Qwen3.5-9B unic: Se remarcă cel mai mult la Trucuri anti-AI, unde este pe #1, iar Programare este zona cea mai slabă, la #13. Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.
4.2
Consistență
7.0
1.7
$0.035
Total tokenuri de ieșire
229,656
Total tokenuri de intrare
0
Preț de intrare
$0.040 / 1M
Preț de ieșire
$0.150 / 1M
Teste instabile
7
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Generation showcase
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 13:41 Test nou adăugat | 4.2 | 5.6 | $0.035 ↓ | Compară | |
| 2026-05-22 00:18 Suită modificată | 4.2 | 1.7 | $0.035 | Rularea curentă | |
| 2026-05-08 14:44 Suită modificată | 4.3 | 3.3 | $0.035 | Compară | |
| 2026-05-08 14:44 Suită modificată | 4.3 | 3.3 | $0.035 | Compară | |
| 2026-04-20 17:48 Prima rulare înregistrată | 4.4 | N/D | $0.030 | 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 00:18 · Suită modificată | 4.2 | 7.0 | 1.7 | 3/20 | 7 | 229,656 | 0 | $0.035 | 80.10s |
| 2026-04-20 17:48 · Prima rulare înregistrată | 4.4 | 7.2 | N/D | 3/18 | 6 | 196,888 | 0 | $0.030 | 73.64s |
| Diferență | -0.2 | -0.2 | 0 | +1 | +32768 | 0 | +$0.005 | +6461ms |
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
Qwen3.5-9BmediumvsQwen3.6 FlashnoneQwen3.5-9BmediumvsMiniMax M2.7mediumQwen3.5-9BmediumvsGrok 4.20noneQwen3.5-9BmediumvsQwen3.5-122B-A10BnoneQwen3.5-9Bmediumvsgpt-oss-120bnoneDisponibil gratuitQwen3.5-9BmediumvsMistral Small 4mediumQwen3.5-9BmediumvsGemini 3 Flash PreviewmediumQwen3.5-9BmediumvsGemini 3.5 FlashhighQwen3.5-9BmediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitQwen3.5-9BmediumvsGemini 3.5 Flashlow
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 5.1 | 5.8 | |
| Programare | 2.8 | 10.0 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 3.6 | 5.6 | |
| Specific domeniului | 3.6 | 7.2 | |
| Inteligență generală | 2.8 | 1.6 | |
| Respectarea instrucțiunilor | 6.4 | 5.8 | |
| Rezolvare de puzzle-uri | 2.9 | 7.2 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |