#56 Qwen3.5-Flash
medium- Cost
- $0.002
- Timp
- 25.8s
- Tokenuri
- 4,294 tok
Qwen
Lansare: 2026-02-24
Testat la: 2026-05-21 23:57
qwen/qwen3.5-flash-02-23::medium
(medium)
(none)
Rezumat
Qwen3.5-Flash obține 7.4 pe AI BENCHY și este pe #56. Are fiabilitate 8.3, rată de reușită 73.3%, cost total $0.104 și timp mediu de răspuns 65.64s.
Ce face Qwen3.5-Flash unic: Se remarcă cel mai mult la Respectarea instrucțiunilor, unde este pe #1, iar Rezolvare de puzzle-uri este zona cea mai slabă, la #13. Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.
7.4
Consistență
7.6
8.3
$0.104
Total tokenuri de ieșire
286,029
Total tokenuri de intrare
0
Preț de intrare
$0.065 / 1M
Preț de ieșire
$0.260 / 1M
Teste instabile
6
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
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 13:36 Test nou adăugat | 7.4 | 8.9 | $0.080 ↓ | Compară | |
| 2026-05-21 23:57 Suită modificată | 7.4 | 8.3 | $0.104 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 7.8 | N/D | $0.080 | 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) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:57 · Suită modificată | 7.4 | 7.6 | 8.3 | 11/20 | 6 | 286,029 | 0 | $0.104 | 65.64s |
| 2026-06-04 13:36 · Test nou adăugat | 7.4 | 8.1 | 8.9 | 12/21 | 5 | 296,686 | 38,926 | $0.080 | 63.29s |
| Diferență | 0.0 | -0.5 | -0.6 | -1 | +1 | -10657 | -38926 | +$0.024 | +2344ms |
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-FlashmediumvsStep 3.7 FlashhighQwen3.5-FlashmediumvsKimi K2.7 CodemediumQwen3.5-FlashmediumvsGemini 3.5 FlashnoneQwen3.5-FlashmediumvsGLM 5.2noneQwen3.5-FlashmediumvsGemini 3 Flash PreviewnoneQwen3.5-FlashmediumvsGemini 3.5 FlashhighQwen3.5-FlashmediumvsGemini 3 Flash PreviewmediumQwen3.5-FlashmediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitQwen3.5-FlashmediumvsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 4.1 | 5.8 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 7.3 | 5.9 | |
| Specific domeniului | 5.3 | 7.2 | |
| Inteligență generală | 6.1 | 3.1 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 6.6 | 4.6 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |