#8 Qwen3.6 Max Preview
medium- Cost
- $0.024
- Timp
- 76.5s
- Tokenuri
- 3,861 tok
Qwen
Lansare: 2026-04-20
Testat la: 2026-04-27 23:07
qwen/qwen3.6-max-preview::medium
~1T în total (~40B activi)MoEÎnchisEstimat
(medium)
(none)
Rezumat
Qwen3.6 Max Preview obține 8.8 pe AI BENCHY și este pe #8. Are fiabilitate 10.0, rată de reușită 85.2%, cost total $0.823 și timp mediu de răspuns 48.31s.
Date despre model
Documentat la 2026-08-12
- Parametri
- ~1T în total (~40B activi)
- Arhitectură
- MoE
- Disponibilitate
- Închis
- Licență
- -
Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.
8.8
Consistență
9.5
10.0
$0.823
Total tokenuri de ieșire
99,653
Total tokenuri de intrare
0
Preț de intrare
$1.300 / 1M
Preț de ieșire
$7.800 / 1M
Teste instabile
1
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 01:45 Retestare | 8.6 | 10.0 | $1.132 ↓ | Compară | |
| 2026-07-16 21:55 Test nou adăugat | 8.4 | 9.9 | $1.143 ↓ | Compară | |
| 2026-06-04 13:25 Test nou adăugat | 8.5 | 10.0 | $0.960 ↓ | Compară | |
| 2026-05-21 23:59 Suită modificată | 8.4 | 10.0 | $1.036 | Compară | |
| 2026-04-27 23:07 Prima rulare | 8.8 | 10.0 | $0.823 | 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 23:07 · Prima rulare | 54/54 încercări | 8.8 | 9.5 | 10.0 | 15/18 | 1 | 99,653 | 0 | $0.823 | 48.31s |
| 2026-08-14 01:45 · Retestare | 66/66 încercări | 8.6 | 9.3 | 10.0 | 17/22 | 2 | 170,373 | 79,249 | $1.132 | 66.52s |
| Diferență | — | +0.2 | +0.2 | 0.0 | -2 | -1 | -70720 | -79249 | -$0.309 | -18209ms |
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
Qwen3.6 Max PreviewmediumvsClaude Fable 5mediumQwen3.6 Max PreviewmediumvsQwen3.8 MaxlowQwen3.6 Max PreviewmediumvsMuse Spark 1.1mediumQwen3.6 Max PreviewmediumvsGPT-5.4mediumQwen3.6 Max PreviewmediumvsMuse Spark 1.2mediumQwen3.6 Max PreviewmediumvsGrok 4.5mediumQwen3.6 Max PreviewmediumvsMuse Spark 1.2highQwen3.6 Max PreviewmediumvsMuse Spark 1.2lowQwen3.6 Max PreviewmediumvsClaude Opus 4.7mediumQwen3.6 Max PreviewmediumvsGrok 4.6medium
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 | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 10.0 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 |