AI BENCHY
Advertise here
#66

Qwen3.6 Max Preview

Qwen Lansare: 2026-04-20 Testat la: 2026-05-21 23:53 qwen/qwen3.6-max-preview::none
(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.

Scor

7.1

Consistență

9.2

Fiabilitate

10.0

Cost total (preț curent)

$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 corecte

Teste greșite: 9

Rată de trecere pe încercare: 61.7%

Teste instabile

2

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

Timp de răspuns (mediu)

3.27s

Timp de răspuns (maxim): 20.51s

Timp de răspuns (total): 65.47s

Răspuns greșit: 9

Generation showcase

Hamster playing table tennis

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

#66 Qwen3.6 Max Preview

none
Cost
$0.025
Time
83.9s
Tokens
4,066 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total 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

RulareScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-05-21 23:53 · Suită modificată7.19.210.011/2024,7750$0.0883.27s
2026-04-27 23:05 · Prima rulare7.38.710.010/1834,7320$0.0833.38s
Diferență-0.3+0.50.0+1-1+430+$0.005-106ms

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.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Qwen3.6 Max PreviewnonevsQwen3.5-35B-A3BmediumQwen3.6 Max PreviewnonevsClaude Opus 4.8noneQwen3.6 Max PreviewnonevsGrok 4.20mediumQwen3.6 Max PreviewnonevsClaude Opus 4.6mediumQwen3.6 Max PreviewnonevsMiMo-V2-FlashmediumQwen3.6 Max PreviewnonevsGPT-5.4 NanomediumQwen3.6 Max PreviewnonevsGemini 3 Flash PreviewmediumQwen3.6 Max PreviewnonevsGemini 3.5 FlashhighQwen3.6 Max PreviewnonevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitQwen3.6 Max PreviewnonevsGemini 3.5 Flashlow

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

Modele comparate