Advertise here
#149

Qwen3.8 2.4T A95B

Qwen Lansare: 2026-08-12 Testat la: 2026-10-01 04:07 qwen/qwen3.8-2.4t-a95b::high
2.4T în total (95B activi)MoEPonderi disponibile
(high) (low)

Rezumat

Qwen3.8 2.4T A95B obține 7.9 pe AI BENCHY și este pe #149. Are fiabilitate 9.6, rată de reușită 75.4%, cost total $2.949 și timp mediu de răspuns 120.88s.

Date despre model

Documentat la 2026-08-12

Raportat
Parametri
2.4T în total (95B activi)
Arhitectură
MoE
Disponibilitate
Ponderi disponibile
Licență
Apache-2.0
Sursa parametrilor Sursa disponibilității

Scor

7.9

Consistență

8.4

Fiabilitate

9.6

Cost total (preț curent)

$2.949 ↑ +5.1%

Testat la: $2.805

Total tokenuri de ieșire

368,836

Total tokenuri de intrare

295,642

Preț de intrare

$2.000 / 1M

Preț de ieșire

$6.000 / 1M

Preț citire cache

$0.250 / 1M

Preț scriere cache

N/D

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Teste corecte

Teste greșite: 8

Rată de trecere pe încercare: 75.4%

Teste instabile

4

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

Timp de răspuns (mediu)

120.88s

Timp de răspuns (maxim): 532.28s

Timp de răspuns (total): 2780.16s

Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Fără răspuns: 1

Hamster playing table tennis

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

#149 Qwen3.8 2.4T A95B

high
Reached the allocated time limit (600 seconds) without receiving showcase output.
Cost
$0.000
Timp
600.0s
Tokenuri
0 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-10-01 04:07 Retestare 7.9 9.6 $2.949 ↑ Rularea curentă
2026-08-12 23:32 Prima rulare 7.5 8.8 $2.755 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Comparație între rulări

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-10-01 04:07 · Rularea curentă69/69 încercări7.98.49.615/234368,836295,642$2.949120.88s
2026-08-12 23:32 · Prima rulare66/66 încercări7.58.48.815/224512,351109,036$2.755134.41s
Diferență—+0.40.0+0.800-143515+186606+$0.194-13531ms

Acoperirea benchmark diferă: 69/69 încercări (Țintă: 3 repetări per test) față de 66/66 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.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire Preț citire cache Preț scriere cache
2026-08-14 12:51 $2.000 / 1M $6.000 / 1M N/D N/D
2026-10-01 18:33 $2.000 / 1M $6.000 / 1M $0.250 / 1M N/D

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

Qwen3.8 2.4T A95BhighvsGemini 3.5 FlashmediumQwen3.8 2.4T A95BhighvsMiMo-V2.6-FlashmediumQwen3.8 2.4T A95BhighvsGLM 5.3 FlashX LegalmaxQwen3.8 2.4T A95BhighvsMuse WondermaxQwen3.8 2.4T A95BhighvsParticle-1maxQwen3.8 2.4T A95BhighvsLing 3.1 FlashhighQwen3.8 2.4T A95BhighvsQwen3.7 MaxnoneQwen3.8 2.4T A95BhighvsDeepSeek V4.1 Flash 1017highQwen3.8 2.4T A95BhighvsGPT-5.4 MinimediumQwen3.8 2.4T A95BhighvsGrok 4.5medium

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Sarcini agentice 10.0 10.0
Trucuri anti-AI 10.0 10.0
Programare 5.9 6.3
Combinat 6.9 5.9
Parsare și extragere de date 10.0 10.0
Specific domeniului 4.1 6.5
Inteligență generală 6.1 3.1
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