#20 Qwen3.5 Plus 2026-04-20
medium- Cost
- $0.008
- Timp
- 76.7s
- Tokenuri
- 4,355 tok
Qwen
Lansare: 2026-04-20
Testat la: 2026-04-27 23:09
qwen/qwen3.5-plus-20260420::medium
~397B în total (~17B activi)MoEÎnchisEstimat
(medium)
(none)
Rezumat
Qwen3.5 Plus 2026-04-20 obține 8.2 pe AI BENCHY și este pe #20. Are fiabilitate 9.7, rată de reușită 77.8%, cost total $0.269 și timp mediu de răspuns 32.81s.
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.
8.2
Consistență
9.0
9.7
$0.269
Total tokenuri de ieșire
106,011
Total tokenuri de intrare
0
Preț de intrare
$0.400 / 1M
Preț de ieșire
$2.400 / 1M
Teste instabile
2
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 01:42 Retestare | 7.2 | 9.6 | $0.323 ↓ | Compară | |
| 2026-07-16 22:06 Test nou adăugat | 7.2 | 9.6 | $0.317 ↓ | 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 | Compară | |
| 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 | Rularea curentă |
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-27 23:09 · Prima rulare | 54/54 încercări | 8.2 | 9.0 | 9.7 | 13/18 | 2 | 106,011 | 0 | $0.269 | 32.81s |
| 2026-08-14 01:42 · Retestare | 66/66 încercări | 7.2 | 9.0 | 9.6 | 13/22 | 2 | 172,123 | 42,106 | $0.323 | 46.97s |
| Diferență | — | +1.1 | 0.0 | +0.1 | 0 | 0 | -66112 | -42106 | -$0.055 | -14155ms |
Acoperirea benchmark diferă: 54/54 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 Plus 2026-04-20mediumvsMuse Glimmer 30BhighQwen3.5 Plus 2026-04-20mediumvsQwen3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsKAT-Coder-Pro V2.5highQwen3.5 Plus 2026-04-20mediumvsMuse Glimmer 30BmediumQwen3.5 Plus 2026-04-20mediumvsKimi K2.6mediumQwen3.5 Plus 2026-04-20mediumvsQwen3.5-122B-A10BmediumQwen3.5 Plus 2026-04-20mediumvsClaude Opus 4.8noneQwen3.5 Plus 2026-04-20mediumvsMuse Glimmer 30BlowQwen3.5 Plus 2026-04-20mediumvsDeepSeek V4 Flash 0731mediumQwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 10.0 | 10.0 | |
| 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 |