#98 Qwen3.5-9B
none
Reached the allocated time limit (300 seconds) without receiving showcase output.
- Cost
- $0.000
- Timp
- 300.0s
- Tokenuri
- 0 tok
Qwen
Lansare: 2026-03-02
Testat la: 2026-04-20 17:48
qwen/qwen3.5-9b::none
9BDensSursă deschisă
(medium)
(none)
Rezumat
Qwen3.5-9B obține 4.8 pe AI BENCHY și este pe #98. Are fiabilitate N/D, rată de reușită 24.1%, cost total $0.005 și timp mediu de răspuns 1.47s.
Ce face Qwen3.5-9B unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.
Date despre model
Documentat la 2026-08-12
- Parametri
- 9B
- Arhitectură
- Dens
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
4.8
Consistență
9.6
N/D
$0.005
Total tokenuri de ieșire
3,951
Total tokenuri de intrare
0
Preț de intrare
$0.100 / 1M
Preț de ieșire
$0.150 / 1M
Teste instabile
1
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 01:54 Retestare | 5.1 | 10.0 | $0.021 ↑ | Compară | |
| 2026-07-16 22:25 Test nou adăugat | 5.1 | 10.0 | $0.021 ↑ | Compară | |
| 2026-06-04 13:30 Test nou adăugat | 4.6 | 10.0 | $0.003 ↓ | Compară | |
| 2026-05-22 00:02 Suită modificată | 4.6 | 10.0 | $0.005 | Compară | |
| 2026-05-08 13:28 Suită modificată | 4.7 | 10.0 | $0.005 | Compară | |
| 2026-05-08 13:28 Suită modificată | 4.7 | 10.0 | $0.005 | Compară | |
| 2026-04-20 17:48 Prima rulare înregistrată | 4.8 | N/D | $0.005 | Rularea curentă |
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-20 17:48 · Prima rulare înregistrată | 54/54 încercări | 4.8 | 9.6 | N/D | 4/18 | 1 | 3,951 | 0 | $0.005 | 1.47s |
| 2026-06-04 13:30 · Test nou adăugat | 63/63 încercări | 4.6 | 9.7 | 10.0 | 4/21 | 1 | 3,952 | 48,041 | $0.003 | 1.89s |
| Diferență | — | +0.2 | -0.1 | 0 | 0 | -1 | -48041 | +$0.003 | -421ms |
Acoperirea benchmark diferă: 54/54 încercări (Țintă: 3 repetări per test) față de 63/63 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
Qwen3.5-9BnonevsMiMo-V2.5noneQwen3.5-9BnonevsNorth Mini CodenoneDisponibil gratuitQwen3.5-9BnonevsMercury 2.5lowQwen3.5-9BnonevsMiniMax M2.7mediumQwen3.5-9BnonevsQwen3 Coder NextnoneQwen3.5-9BnonevsMercury 2.5 PreviewlowQwen3.5-9BnonevsGranite 4.2 8BlowQwen3.5-9BnonevsLaguna S 2.1lowDisponibil gratuitQwen3.5-9BnonevsMistral Small 4mediumQwen3.5-9BnonevsDeepSeek V3.2none
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 3.1 | 9.9 | |
| Programare | 5.2 | 3.4 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 3.0 | 10.0 | |
| Inteligență generală | 4.4 | 9.9 | |
| Respectarea instrucțiunilor | 6.5 | 10.0 | |
| Rezolvare de puzzle-uri | 3.2 | 9.9 | |
| Apelare instrumente | 10.0 | 10.0 |