#66 Qwen3.6 Max Preview
none- Cost
- $0.025
- Timp
- 83.9s
- Tokenuri
- 4,066 tok
Qwen
Lansare: 2026-04-20
Testat la: 2026-05-21 23:53
qwen/qwen3.6-max-preview::none
~1T în total (~40B activi)MoEÎnchisEstimat
(medium)
(none)
Rezumat
Qwen3.6 Max Preview obține 7.1 pe AI BENCHY și este pe #66. Are fiabilitate 10.0, rată de reușită 61.7%, cost total $0.088 și timp mediu de răspuns 3.27s.
Ce face Qwen3.6 Max Preview unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #1, iar Trucuri anti-AI este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.
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.
7.1
Consistență
9.2
10.0
$0.088
Total tokenuri de ieșire
4,775
Total tokenuri de intrare
0
Preț de intrare
$1.040 / 1M
Preț de ieșire
$6.240 / 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 01:44 Retestare | 6.4 | 9.9 | $0.228 ↓ | Compară | |
| 2026-07-16 21:32 Test nou adăugat | 6.6 | 9.9 | $0.231 ↓ | Compară | |
| 2026-06-04 13:21 Test nou adăugat | 6.9 | 10.0 | $0.075 ↓ | Compară | |
| 2026-05-21 23:53 Suită modificată | 7.1 | 10.0 | $0.088 | Rularea curentă | |
| 2026-04-27 23:05 Prima rulare | 7.3 | 10.0 | $0.083 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:53 · Suită modificată | 60/60 încercări | 7.1 | 9.2 | 10.0 | 11/20 | 2 | 4,775 | 0 | $0.088 | 3.27s |
| 2026-04-27 23:05 · Prima rulare | 54/54 încercări | 7.3 | 8.7 | 10.0 | 10/18 | 3 | 4,732 | 0 | $0.083 | 3.38s |
| Diferență | — | -0.3 | +0.5 | 0.0 | +1 | -1 | +43 | 0 | +$0.005 | -106ms |
Acoperirea benchmark diferă: 60/60 încercări (Țintă: 3 repetări per test) față de 54/54 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 PreviewnonevsGemini 3.1 Flash Lite PreviewnoneQwen3.6 Max PreviewnonevsDots 3 Note PreviewlowDisponibil gratuitQwen3.6 Max PreviewnonevsLaguna XS 2.1mediumDisponibil gratuitQwen3.6 Max PreviewnonevsDots 3 Note PreviewhighDisponibil gratuitQwen3.6 Max PreviewnonevsQwen3.6 27BmediumQwen3.6 Max PreviewnonevsLongCat 2.0noneQwen3.6 Max PreviewnonevsQwen3.5 Plus 2026-02-15noneQwen3.6 Max PreviewnonevsMiMo-V2.5mediumQwen3.6 Max PreviewnonevsMercury 2.5 PreviewhighQwen3.6 Max PreviewnonevsLing-3.0-flashhigh
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 5.2 | 7.9 | |
| Programare | 4.2 | 6.0 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 7.7 | 10.0 | |
| Inteligență generală | 4.3 | 10.0 | |
| Respectarea instrucțiunilor | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 10.0 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |