- Scor
- 9.4 (+3.05 puncte)
- Cost total (preț curent)
- $0.183 · cu 4.0% mai scump
- Timp de răspuns (mediu)
- 6.24s · cu 68.9% mai rapid
Qwen
Lansare: 2026-02-15
Testat la: 2026-10-01 09:33
qwen/qwen3.5-plus-02-15::none
~397B în total (~17B activi)MoEÎnchisEstimat
(medium)
(none)
Rezumat
Qwen3.5 Plus 2026-02-15 obține 6.3 pe AI BENCHY și este pe #221. Are fiabilitate 10.0, rată de reușită 52.2%, cost total $0.176 și timp mediu de răspuns 20.07s.
Ce face Qwen3.5 Plus 2026-02-15 unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #1, iar Programare este zona cea mai slabă, la #14.
Alternative recomandate
Recomandăm să alegi unul dintre aceste modele în schimb:
- Scor
- 8.3 (+1.96 puncte)
- Cost total (preț curent)
- $0.047 · cu 73.2% mai ieftin
- Timp de răspuns (mediu)
- 18.07s · cu 10.0% mai rapid
- Scor
- 6.8 (+0.50 puncte)
- Cost total (preț curent)
- $0.039 · cu 78.1% mai ieftin
- Timp de răspuns (mediu)
- 6.66s · cu 66.8% mai rapid
Date despre model
Documentat la 2026-08-12
- Parametri
- ~397B în total (~17B activi)
- Arhitectură
- MoE
- Disponibilitate
- Închis
- Licență
- -
Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.
6.3
Consistență
9.1
10.0
$0.176
Total tokenuri de ieșire
53,060
Total tokenuri de intrare
346,064
Preț de intrare
$0.260 / 1M
Preț de ieșire
$1.560 / 1M
Preț citire cache
N/D
Preț scriere cache
N/D
Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.
Teste instabile
3
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.
#221 Qwen3.5 Plus 2026-02-15
none- Cost
- $0.012
- Timp
- 153.2s
- Tokenuri
- 7,787 tok
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-10-01 09:33 Retestare | 6.3 | 10.0 | $0.176 | Rularea curentă | |
| 2026-07-16 21:22 Test nou adăugat | 6.4 | 10.0 | $0.073 ↓ | Compară | |
| 2026-06-04 13:10 Test nou adăugat | 6.3 | 10.0 | $0.016 ↓ | Compară | |
| 2026-05-21 23:45 Suită modificată | 6.4 | 10.0 | $0.018 | Compară | |
| 2026-04-11 01:19 Prima rulare înregistrată | 6.8 | N/D | $0.017 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 09:33 · Rularea curentă | 69/69 încercări | 6.3 | 9.1 | 10.0 | 11/23 | 3 | 53,060 | 346,064 | $0.176 | 20.07s |
| 2026-05-21 23:45 · Suită modificată | 60/60 încercări | 6.4 | 9.3 | 10.0 | 9/20 | 2 | 2,496 | 0 | $0.018 | 2.41s |
| Diferență | — | -0.1 | -0.2 | 0.0 | +2 | +1 | +50564 | +346064 | +$0.158 | +17661ms |
Acoperirea benchmark diferă: 69/69 încercări (Țintă: 3 repetări per test) față de 60/60 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 Plus 2026-02-15nonevsSolar Pro 4highQwen3.5 Plus 2026-02-15nonevsLing 3.1 FlashlowQwen3.5 Plus 2026-02-15nonevsGemini 3.1 Flash LitelowQwen3.5 Plus 2026-02-15nonevsSpace Bunny AlphamediumQwen3.5 Plus 2026-02-15nonevsGemini 3.1 Flash Lite PreviewlowQwen3.5 Plus 2026-02-15nonevsDeepSeek V3.2mediumQwen3.5 Plus 2026-02-15nonevsGemini 3.5 Flash LitelowQwen3.5 Plus 2026-02-15nonevsTrinity Large ThinkinglowQwen3.5 Plus 2026-02-15nonevsQwen3.6 27BnoneQwen3.5 Plus 2026-02-15nonevsDeepSeek V4 Flash 0423none
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Sarcini agentice | 5.2 | 3.2 | |
| Trucuri anti-AI | 4.8 | 10.0 | |
| Programare | 4.3 | 7.9 | |
| Combinat | 6.5 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 7.7 | 10.0 | |
| Inteligență generală | 4.4 | 3.0 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 7.7 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |