#37

Qwen3.6 27B

Qwen Lansare: 2026-04-20 Testat la: 2026-04-27 21:31 qwen/qwen3.6-27b::medium

27BDensSursă deschisă

(medium) (none)

Rezumat

Qwen3.6 27B obține 7.9 pe AI BENCHY și este pe #37. Are fiabilitate 10.0, rată de reușită 77.8%, cost total $0.043 și timp mediu de răspuns 25.56s.

Ce face Qwen3.6 27B unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.

Date despre model

Documentat la 2026-08-12

Raportat

Parametri: 27B
Arhitectură: Dens
Disponibilitate: Sursă deschisă
Licență: Apache-2.0

Sursa parametrilor Sursa disponibilității

Scor

7.9

Consistență

8.5

Fiabilitate

10.0

Cost total (preț curent)

$0.043

Total tokenuri de ieșire

21,553

Total tokenuri de intrare

Preț de intrare

$0.500 / 1M

Preț de ieșire

$2.000 / 1M

Teste corecte

Teste greșite: 2

Rată de trecere pe încercare: 77.8%

Teste instabile

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

Timp de răspuns (mediu)

25.56s

Timp de răspuns (maxim): 47.48s

Timp de răspuns (total): 153.33s

Fără răspuns: 1 Răspuns greșit: 1

Hamster playing table tennis

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

#37 Qwen3.6 27B

medium

Cost: $0.009
Timp: 39.6s
Tokenuri: 3,090 tok

Istoric rulări

Testat la	Scor	Fiabilitate	Cost total	Compară
2026-08-14 01:41 Retestare	6.5	10.0	$1.045 ↑	Compară
2026-07-16 22:13 Test nou adăugat	6.5	10.0	$0.779 ↑	Compară
2026-06-04 13:21 Test nou adăugat	6.8	10.0	$0.444 ↑	Compară
2026-05-21 23:59 Suită modificată	6.6	9.9	$0.272	Compară
2026-04-27 21:48 Test nou adăugat	7.0	10.0	$0.209	Compară
2026-04-27 21:31 Prima rulare înregistrată	7.9	10.0	$0.043	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 21:31 · Prima rulare înregistrată	18/18 încercări	7.9	8.5	10.0	4/6	1	21,553	0	$0.043	25.56s
2026-06-04 13:21 · Test nou adăugat	63/63 încercări	6.8	8.2	10.0	10/21	5	138,710	39,376	$0.444	59.71s
Diferență	—	+1.1	+0.3	0.0	-6	-4	-117157	-39376	-$0.401	-34159ms

Acoperirea benchmark diferă: 18/18 încercări (Țintă: 3 repetări per test) față de 63/63 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.