- Scor
- 8.3 (+4.22 puncte)
- Cost total (preț curent)
- $0.000 · cu 100.0% mai ieftin
- Timp de răspuns (mediu)
- 88.74s · cu 19.5% mai rapid
Qwen
Lansare: 2026-03-02
Testat la: 2026-10-01 01:14
qwen/qwen3.5-9b::medium
9BDensSursă deschisă
(medium)
(none)
Rezumat
Qwen3.5-9B obține 4.0 pe AI BENCHY și este pe #402. Are fiabilitate 8.7, rată de reușită 26.1%, cost total $0.106 și timp mediu de răspuns 110.18s.
Ce face Qwen3.5-9B unic: Se remarcă cel mai mult la Sarcini agentice, unde este pe #2, iar Inteligență generală este zona cea mai slabă, la #10. Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.
Alternative recomandate
Recomandăm să alegi unul dintre aceste modele în schimb:
- Scor
- 8.6 (+4.54 puncte)
- Cost total (preț curent)
- $0.061 · cu 42.8% mai ieftin
- Timp de răspuns (mediu)
- 7.51s · cu 93.2% mai rapid
- Scor
- 7.5 (+3.51 puncte)
- Cost total (preț curent)
- $0.000 · cu 100.0% mai ieftin
- Timp de răspuns (mediu)
- 29.38s · cu 73.3% mai rapid
Date despre model
Documentat la 2026-08-12
- Parametri
- 9B
- Arhitectură
- Dens
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
4.0
Consistență
7.9
8.7
$0.106
Total tokenuri de ieșire
447,247
Total tokenuri de intrare
387,323
Preț de intrare
$0.100 / 1M
Preț de ieșire
$0.150 / 1M
Preț citire cache
N/D
Preț scriere cache
N/D
Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.
Teste instabile
6
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.
#402 Qwen3.5-9B
medium- Cost
- $0.001
- Timp
- 35.9s
- Tokenuri
- 3,030 tok
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-10-01 01:14 Retestare | 4.0 | 8.7 | $0.106 | Rularea curentă | |
| 2026-07-16 23:12 Test nou adăugat | 3.8 | 5.0 | $0.036 ↑ | 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 | Compară | |
| 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 | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 01:14 · Rularea curentă | 69/69 încercări | 4.0 | 7.9 | 8.7 | 3/23 | 6 | 447,247 | 387,323 | $0.106 | 110.18s |
| 2026-07-16 23:12 · Test nou adăugat | 66/66 încercări | 3.8 | 8.1 | 5.0 | 3/22 | 5 | 238,561 | 17,070 | $0.036 | 82.24s |
| Diferență | — | +0.3 | -0.2 | +3.7 | 0 | +1 | +208686 | +370253 | +$0.070 | +27934ms |
Acoperirea benchmark diferă: 69/69 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
Qwen3.5-9BmediumvsMercury 2.5noneQwen3.5-9BmediumvsLing 3.0 TinydefaultQwen3.5-9Bmediumvsgpt-oss-120bnoneQwen3.5-9BmediumvsGranite 4.1 8bdefaultQwen3.5-9BmediumvsGLM 4.7 FlashmediumQwen3.5-9BmediumvsNemotron 3.5 LightningnoneDisponibil gratuitQwen3.5-9BmediumvsMiniMax M2.5mediumQwen3.5-9BmediumvsXing4.0 29b A4bmediumDisponibil gratuitQwen3.5-9BmediumvsMercury 2noneQwen3.5-9BmediumvsLing 3.0 Tinyhigh
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Sarcini agentice | 5.2 | 3.2 | |
| Trucuri anti-AI | 5.1 | 5.8 | |
| Programare | 2.9 | 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 | 6.5 | 10.0 | |
| Rezolvare de puzzle-uri | 3.0 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |