#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
~35B în total (~3B activi)MoEÎnchisEstimat
(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 Combinat, unde este pe #1, iar Programare este zona cea mai slabă, la #18.
Date despre model
Documentat la 2026-08-12
- Parametri
- ~35B în total (~3B activi)
- Arhitectură
- MoE
- Disponibilitate
- Închis
- Licență
- -
Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.
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).
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 01:52 Retestare | 6.1 | 10.0 | $0.142 ↓ | Compară | |
| 2026-07-16 22:15 Test nou adăugat | 6.2 | 10.0 | $0.139 ↓ | 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 | Acoperire benchmark | 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 | 60/60 încercări | 7.4 | 7.6 | 8.3 | 11/20 | 6 | 286,029 | 0 | $0.104 | 65.64s |
| 2026-07-16 22:15 · Test nou adăugat | 66/66 încercări | 6.2 | 7.8 | 10.0 | 12/22 | 6 | 502,894 | 118,499 | $0.139 | 84.82s |
| Diferență | — | +1.1 | -0.2 | -1.7 | -1 | 0 | -216865 | -118499 | -$0.036 | -19184ms |
Acoperirea benchmark diferă: 60/60 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-FlashmediumvsGemini 3.1 Flash LitenoneQwen3.5-FlashmediumvsInklinglowQwen3.5-FlashmediumvsQwen3.7 FlashnoneQwen3.5-FlashmediumvsTrinity Large ThinkingmediumQwen3.5-Flashmediumvsgpt-oss-120bmediumQwen3.5-FlashmediumvsQwen3.6 FlashnoneQwen3.5-FlashmediumvsQwen3.5-35B-A3BmediumQwen3.5-FlashmediumvsGemma 4 31BnoneDisponibil gratuitQwen3.5-FlashmediumvsGemini 3.1 Flash LiteminimalQwen3.5-FlashmediumvsQwen3.5 Plus 2026-04-20none
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 |