AI BENCHY
Advertise here
#31

Qwen3.8 Max (0902)

Qwen Lansare: 2026-09-07 Testat la: 2026-09-07 16:41 qwen/qwen3.8-max-0902::high
2.4T în total (~100B activi)MoEÎnchisEstimat
(high) (medium) (low)

Rezumat

Qwen3.8 Max (0902) obține 8.9 pe AI BENCHY și este pe #31. Are fiabilitate 9.8, rată de reușită 86.4%, cost total $2.736 și timp mediu de răspuns 185.56s.

Ce face Qwen3.8 Max (0902) unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #2, iar Combinat este zona cea mai slabă, la #13.

Date despre model

Documentat la 2026-09-07

Estimat
Parametri
2.4T în total (~100B activi)
Arhitectură
MoE
Disponibilitate
Închis
Licență
-

Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.

Sursa parametrilor 1 Sursa parametrilor 2 Sursa disponibilității

Scor

8.9

Consistență

9.0

Fiabilitate

9.8

Cost total (preț curent)

$2.736

Total tokenuri de ieșire

419,443

Total tokenuri de intrare

109,226

Preț de intrare

$2.000 / 1M

Preț de ieșire

$6.000 / 1M

Teste corecte

Teste greșite: 5

Rată de trecere pe încercare: 86.4%

Teste instabile

3

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

Timp de răspuns (mediu)

185.56s

Timp de răspuns (maxim): 912.78s

Timp de răspuns (total): 4082.41s

Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Timp expirat: 1

Hamster playing table tennis

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

#31 Qwen3.8 Max (0902)

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

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 Max (0902)highvsGrok 4.5highQwen3.8 Max (0902)highvsGPT-5.3-CodexmediumQwen3.8 Max (0902)highvsQwen3.8 MaxmediumQwen3.8 Max (0902)highvsMuse Spark 1.3highQwen3.8 Max (0902)highvsGPT-5.5mediumQwen3.8 Max (0902)highvsSeed 2.1 TurbohighQwen3.8 Max (0902)highvsGemini 3.5 FlashmediumQwen3.8 Max (0902)highvsGemini 3.5 FlashlowQwen3.8 Max (0902)highvsClaude Fable 5.1highQwen3.8 Max (0902)highvsQwen3.8 Max (0902)medium

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 10.0 10.0
Combinat 8.7 6.9
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.9 7.2
Inteligență generală 6.5 3.4
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