AI BENCHY
Advertise here
#142

Qwen3.5-9B

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

Rezumat

Qwen3.5-9B obține 4.6 pe AI BENCHY și este pe #142. Are fiabilitate 10.0, rată de reușită 21.7%, cost total $0.005 și timp mediu de răspuns 1.69s.

Scor

4.6

Consistență

9.7

Fiabilitate

10.0

Cost total (preț curent)

$0.005

Total tokenuri de ieșire

3,984

Total tokenuri de intrare

0

Preț de intrare

$0.040 / 1M

Preț de ieșire

$0.150 / 1M

Teste corecte

Teste greșite: 16

Rată de trecere pe încercare: 21.7%

Teste instabile

1

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

Timp de răspuns (mediu)

1.69s

Timp de răspuns (maxim): 5.91s

Timp de răspuns (total): 33.84s

Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1

Generation showcase

Hamster playing table tennis

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

#142 Qwen3.5-9B

none
Invalid SVG
Cost
$0.000
Time
300.0s
Tokens
0 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total 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 Rularea curentă
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 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

Qwen3.5-9BnonevsKimi K2.6noneDisponibil gratuitQwen3.5-9Bnonevsgpt-oss-120bnoneDisponibil gratuitQwen3.5-9BnonevsMiMo-V2.5-PrononeQwen3.5-9BnonevsGrok 4.20noneQwen3.5-9BnonevsGLM 4.7 FlashnoneQwen3.5-9BnonevsQwen3.6 FlashnoneQwen3.5-9BnonevsGemini 3 Flash PreviewmediumQwen3.5-9BnonevsGemini 3.5 FlashhighQwen3.5-9BnonevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitQwen3.5-9BnonevsGemini 3.5 Flashlow

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 3.1 9.9
Programare 4.4 6.7
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 3.1 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate