AI BENCHY
Advertise here
#14

Qwen3.6 Max Preview

Qwen Lansare: 2026-04-20 Testat la: 2026-05-21 23:59 qwen/qwen3.6-max-preview::medium
(medium) (none)

Rezumat

Qwen3.6 Max Preview obține 8.4 pe AI BENCHY și este pe #14. Are fiabilitate 10.0, rată de reușită 80.0%, cost total $1.036 și timp mediu de răspuns 58.41s.

Ce face Qwen3.6 Max Preview unic: Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.

Scor

8.4

Consistență

9.2

Total tokenuri de ieșire

133,033

Total tokenuri de intrare

0

Preț de intrare

$1.040 / 1M

Preț de ieșire

$6.240 / 1M

Teste corecte

Teste greșite: 5

Rată de trecere pe încercare: 80.0%

Teste instabile

2

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

Timp de răspuns (mediu)

58.41s

Timp de răspuns (maxim): 238.07s

Timp de răspuns (total): 1168.27s

Generation showcase

Hamster playing table tennis

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

#14 Qwen3.6 Max Preview

medium
Cost
$0.024
Time
76.5s
Tokens
3,861 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total 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 Rularea curentă
2026-04-27 23:07 Prima rulare 8.8 10.0 $0.823 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

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 8.2 6.7
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
Cultură generală 3.0 10.0

Modele comparate