#5 Qwen3.7 Max
medium- Cost
- $0.017
- Timp
- 68.8s
- Tokenuri
- 4,526 tok
Qwen
Lansare: 2026-05-22
Testat la: 2026-05-21 23:55
qwen/qwen3.7-max::medium
~1T în total (~40B activi)MoEÎnchisEstimat
(medium)
(none)
Rezumat
Qwen3.7 Max obține 9.0 pe AI BENCHY și este pe #5. Are fiabilitate 10.0, rată de reușită 88.3%, cost total $0.942 și timp mediu de răspuns 13.83s.
Ce face Qwen3.7 Max unic: Este unul dintre modelele cel mai bine clasate per total.
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.
9.0
Consistență
9.6
10.0
$0.942
Total tokenuri de ieșire
112,394
Total tokenuri de intrare
0
Preț de intrare
$2.500 / 1M
Preț de ieșire
$7.500 / 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 01:49 Retestare | 9.1 | 10.0 | $1.157 ↓ | Compară | |
| 2026-07-16 22:00 Test nou adăugat | 9.2 | 10.0 | $1.116 ↓ | Compară | |
| 2026-06-04 13:24 Test nou adăugat | 9.1 | 10.0 | $0.523 ↓ | Compară | |
| 2026-05-21 23:55 Prima rulare | 9.0 | 10.0 | $0.942 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:55 · Prima rulare | 60/60 încercări | 9.0 | 9.6 | 10.0 | 17/20 | 1 | 112,394 | 0 | $0.942 | 13.83s |
| 2026-06-04 13:24 · Test nou adăugat | 63/63 încercări | 9.1 | 9.6 | 10.0 | 18/21 | 1 | 125,088 | 42,360 | $0.523 | 16.02s |
| Diferență | — | -0.1 | 0.0 | 0.0 | -1 | 0 | -12694 | -42360 | +$0.420 | -2198ms |
Acoperirea benchmark diferă: 60/60 încercări (Țintă: 3 repetări per test) față de 63/63 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
Qwen3.7 MaxmediumvsSeed 2.1 TurbolowQwen3.7 MaxmediumvsGemini 3.5 FlashmediumQwen3.7 MaxmediumvsClaude Opus 5mediumQwen3.7 MaxmediumvsGPT-5.5mediumQwen3.7 MaxmediumvsClaude Opus 5highQwen3.7 MaxmediumvsQwen3.8 MaxmediumQwen3.7 MaxmediumvsGemini 3.7 FlashlowQwen3.7 MaxmediumvsGrok 4.5highQwen3.7 MaxmediumvsGemini 3.1 Pro PreviewmediumQwen3.7 MaxmediumvsGPT-5.3-Codexmedium
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 | 5.9 | 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 |