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.

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