AI BENCHY
Advertise here
#48

Qwen3.5-Flash

Qwen Lansare: 2026-02-24 Testat la: 2026-06-04 13:36 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 #48. Are fiabilitate 8.9, rată de reușită 71.4%, cost total $0.080 și timp mediu de răspuns 63.29s.

Ce face Qwen3.5-Flash unic: Se remarcă cel mai mult la Respectarea instrucțiunilor, unde este pe #1, iar Programare este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.

Date despre model

Documentat la 2026-08-12

Estimat
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.

Sursa parametrilor Sursa disponibilității

Scor

7.4

Consistență

8.1

Fiabilitate

8.9

Cost total (preț curent)

$0.080 ↓ -23.7%

Testat la: $0.105

Total tokenuri de ieșire

296,686

Total tokenuri de intrare

38,926

Preț de intrare

$0.065 / 1M

Preț de ieșire

$0.260 / 1M

Teste corecte

Teste greșite: 9

Rată de trecere pe încercare: 71.4%

Teste instabile

5

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

Timp de răspuns (mediu)

63.29s

Timp de răspuns (maxim): 234.29s

Timp de răspuns (total): 1265.85s

Răspuns greșit: 4 Timp expirat: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1

Hamster playing table tennis

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

#48 Qwen3.5-Flash

medium
Cost
$0.002
Timp
25.8s
Tokenuri
4,294 tok

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 ↓ Rularea curentă
2026-05-21 23:57 Suită modificată 7.4 8.3 $0.104 Compară
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

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-06-04 13:36 · Test nou adăugat63/63 încercări7.48.18.912/215296,68638,926$0.08063.29s
2026-08-14 01:52 · Retestare66/66 încercări6.17.810.011/226512,846118,508$0.14284.44s
Diferență—+1.3+0.3-1.1+1-1-216160-79582-$0.062-21146ms

Acoperirea benchmark diferă: 63/63 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.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-04 14:42 $0.065 / 1M $0.260 / 1M

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-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 3.7 7.2
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 8.2 7.2
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate