#94 Qwen3 Coder Next
none
SVG invalid
- Cost
- $0.058
- Timp
- 246.3s
- Tokenuri
- 64,126 tok
Qwen
Lansare: 2026-02-03
Testat la: 2026-04-14 00:56
qwen/qwen3-coder-next::none
80B în total (3B activi)MoESursă deschisă
(medium)
(none)
Rezumat
Qwen3 Coder Next obține 5.1 pe AI BENCHY și este pe #94. Are fiabilitate N/D, rată de reușită 25.9%, cost total $0.008 și timp mediu de răspuns 10.18s.
Ce face Qwen3 Coder Next unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #4, iar Trucuri anti-AI este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Date despre model
Documentat la 2026-08-12
- Parametri
- 80B în total (3B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
5.1
Consistență
9.7
N/D
$0.008
Total tokenuri de ieșire
3,617
Total tokenuri de intrare
0
Preț de intrare
$0.150 / 1M
Preț de ieșire
$0.800 / 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 01:38 Retestare | 5.1 | 10.0 | $0.026 ↑ | Compară | |
| 2026-07-16 21:14 Test nou adăugat | 5.1 | 10.0 | $0.025 ↓ | Compară | |
| 2026-06-04 13:09 Test nou adăugat | 4.9 | 10.0 | $0.009 ↓ | Compară | |
| 2026-05-21 23:44 Suită modificată | 5.1 | 10.0 | $0.008 | Compară | |
| 2026-04-14 00:56 Prima rulare înregistrată | 5.1 | N/D | $0.008 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-14 00:56 · Prima rulare înregistrată | 54/54 încercări | 5.1 | 9.7 | N/D | 4/18 | 1 | 3,617 | 0 | $0.008 | 10.18s |
| 2026-08-14 01:38 · Retestare | 66/66 încercări | 5.1 | 9.7 | 10.0 | 5/22 | 1 | 11,808 | 134,227 | $0.026 | 8.63s |
| Diferență | — | 0.0 | 0.0 | -1 | 0 | -8191 | -134227 | -$0.019 | +1547ms |
Acoperirea benchmark diferă: 54/54 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.
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 Coder NextnonevsMistral Small 4mediumQwen3 Coder NextnonevsMiMo-V2.5noneQwen3 Coder NextnonevsMistral Small 4noneQwen3 Coder NextnonevsQwen3.5-9BnoneQwen3 Coder NextnonevsNemotron 3.5 LightningmediumDisponibil gratuitQwen3 Coder NextnonevsNorth Mini CodenoneDisponibil gratuitQwen3 Coder NextnonevsInklingnoneQwen3 Coder NextnonevsMiniMax M2.7mediumQwen3 Coder NextnonevsDots 3 Note PreviewnoneDisponibil gratuitQwen3 Coder NextnonevsLaguna S 2.1lowDisponibil gratuit
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 3.6 | 10.0 | |
| Programare | 7.3 | 3.7 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 6.5 | 10.0 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 4.8 | 10.0 | |
| Rezolvare de puzzle-uri | 3.2 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 |