AI BENCHY
Advertise here
#55

Qwen3.6 27B

Qwen Lansare: 2026-04-20 Testat la: 2026-04-27 21:48 qwen/qwen3.6-27b::medium
(medium) (none)

Rezumat

Qwen3.6 27B obține 7.0 pe AI BENCHY și este pe #55. Are fiabilitate 10.0, rată de reușită 64.8%, cost total $0.209 și timp mediu de răspuns 50.53s.

Ce face Qwen3.6 27B unic: Se remarcă cel mai mult la Programare, unde este pe #1, iar Parsare și extragere de date este zona cea mai slabă, la #15.

Scor

7.0

Consistență

7.9

Fiabilitate

10.0

Cost total (preț curent)

$0.209

Total tokenuri de ieșire

99,362

Total tokenuri de intrare

0

Preț de intrare

$0.500 / 1M

Preț de ieșire

$2.000 / 1M

Teste corecte

Teste greșite: 9

Rată de trecere pe încercare: 64.8%

Teste instabile

5

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

Timp de răspuns (mediu)

50.53s

Timp de răspuns (maxim): 168.22s

Timp de răspuns (total): 909.49s

Răspuns greșit: 5 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1

Generation showcase

Hamster playing table tennis

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

#55 Qwen3.6 27B

medium
Cost
$0.009
Time
39.6s
Tokens
3,090 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total 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 Rularea curentă
2026-04-27 21:31 Prima rulare înregistrată 7.9 10.0 $0.043 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

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

Qwen3.6 27BmediumvsGPT-5.4 NanomediumQwen3.6 27BmediumvsDeepSeek V3.2mediumQwen3.6 27BmediumvsClaude Opus 4.6mediumQwen3.6 27BmediumvsSeed-2.0-MinimediumQwen3.6 27BmediumvsClaude Opus 4.8noneQwen3.6 27BmediumvsQwen3.6 Max PreviewnoneQwen3.6 27BmediumvsGemini 3 Flash PreviewmediumQwen3.6 27BmediumvsGemini 3.5 FlashhighQwen3.6 27BmediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitQwen3.6 27BmediumvsGemini 3.5 Flashlow

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 8.3 10.0
Programare 10.0 10.0
Combinat 7.0 3.7
Parsare și extragere de date 3.5 1.4
Specific domeniului 2.9 7.2
Inteligență generală 6.5 3.4
Respectarea instrucțiunilor 10.0 10.0
Rezolvare de puzzle-uri 7.7 10.0
Apelare instrumente 10.0 10.0

Modele comparate