#43 Qwen3.5 Plus 2026-04-20
medium- Cost
- $0.008
- Time
- 76.7s
- Tokens
- 4,355 tok
Qwen
Lansare: 2026-04-20
Testat la: 2026-05-21 23:53
qwen/qwen3.5-plus-20260420::medium
(medium)
(none)
Rezumat
Qwen3.5 Plus 2026-04-20 obține 7.6 pe AI BENCHY și este pe #43. Are fiabilitate 9.6, rată de reușită 71.7%, cost total $0.363 și timp mediu de răspuns 43.63s.
Ce face Qwen3.5 Plus 2026-04-20 unic: Se remarcă cel mai mult la Rezolvare de puzzle-uri, unde este pe #4, iar Programare este zona cea mai slabă, la #14.
7.6
Consistență
8.7
9.6
$0.363
Total tokenuri de ieșire
152,480
Total tokenuri de intrare
0
Preț de intrare
$0.300 / 1M
Preț de ieșire
$1.800 / 1M
Teste instabile
3
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Generation showcase
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 13:15 Test nou adăugat | 7.6 | 9.9 | $0.317 ↓ | Compară | |
| 2026-05-21 23:53 Suită modificată | 7.6 | 9.6 | $0.363 | Rularea curentă | |
| 2026-05-08 14:34 Suită modificată | 7.8 | 9.6 | $0.305 | Compară | |
| 2026-05-08 14:34 Suită modificată | 7.8 | 9.6 | $0.305 | Compară | |
| 2026-04-27 23:09 Prima rulare | 8.2 | 9.7 | $0.269 | 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 23:53 · Suită modificată | 7.6 | 8.7 | 9.6 | 13/20 | 3 | 152,480 | 0 | $0.363 | 43.63s |
| 2026-04-27 23:09 · Prima rulare | 8.2 | 9.0 | 9.7 | 13/18 | 2 | 106,011 | 0 | $0.269 | 32.81s |
| Diferență | -0.6 | -0.3 | -0.1 | 0 | +1 | +46469 | 0 | +$0.095 | +10816ms |
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 2026-04-20mediumvsQwen3.5-27BmediumQwen3.5 Plus 2026-04-20mediumvsGemini 3.5 FlashminimalQwen3.5 Plus 2026-04-20mediumvsQwen3.5-122B-A10BmediumQwen3.5 Plus 2026-04-20mediumvsGemini 2.5 FlashmediumQwen3.5 Plus 2026-04-20mediumvsQwen3.7 MaxnoneQwen3.5 Plus 2026-04-20mediumvsGemini 3 Flash PreviewmediumQwen3.5 Plus 2026-04-20mediumvsGemini 3.5 FlashhighQwen3.5 Plus 2026-04-20mediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitQwen3.5 Plus 2026-04-20mediumvsGemini 3.5 Flashlow
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 5.4 | 6.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 2.9 | 7.2 | |
| Inteligență generală | 4.9 | 9.6 | |
| 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 |