AI BENCHY
Advertise here
#151

Qwen3.5-9B

Qwen Lansare: 2026-03-02 Testat la: 2026-05-22 00:18 qwen/qwen3.5-9b::medium
(medium) (none)

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.

Scor

4.2

Consistență

7.0

Fiabilitate

1.7

Cost total (preț curent)

$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 corecte

Teste greșite: 17

Rată de trecere pe încercare: 31.7%

Teste instabile

7

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

Timp de răspuns (mediu)

80.10s

Timp de răspuns (maxim): 226.38s

Timp de răspuns (total): 1281.62s

Timp expirat: 10 Răspuns greșit: 3 Fără răspuns: 2 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#151 Qwen3.5-9B

medium
Cost
$0.001
Time
35.9s
Tokens
3,030 tok

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.

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

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

Modele comparate