#59 Qwen3.6 Flash
medium
غلط SVG
- لاگت
- $0.008
- وقت
- 29.9s
- ٹوکنز
- 6,784 tok
Qwen
اجرا: 2026-04-20
ٹیسٹ کیا گیا: 2026-05-21 23:53
qwen/qwen3.6-flash::medium
~35B کل (~3B فعال)MoEبند ماخذتخمینہ
(medium)
(none)
خلاصہ
Qwen3.6 Flash AI BENCHY پر 7.4 اسکور کرتا ہے اور #59 پر ہے۔ اس کی reliability 9.7، pass rate 68.3%، کل لاگت $0.348، اور اوسط response time 18.96s ہے۔
Qwen3.6 Flash کو منفرد کیا بناتا ہے: یہ ہدایات کی پیروی میں سب سے نمایاں ہے، جہاں اس کا rank #1 ہے؛ جبکہ کوڈنگ اس کا کمزور ترین حصہ ہے، rank #18.
ماڈل کی تفصیلات
تحقیق کی تاریخ: 2026-08-12
- پیرامیٹرز
- ~35B کل (~3B فعال)
- ساخت
- MoE
- دستیابی
- بند ماخذ
- لائسنس
- -
عوامی شواہد کی بنیاد پر بہترین تخمینہ؛ فراہم کنندہ نے تمام اقدار ظاہر نہیں کیں۔
7.4
تسلسل
8.0
9.7
$0.348
کل آؤٹ پٹ ٹوکنز
234,489
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$0.188 / 1M
آؤٹ پٹ قیمت
$1.125 / 1M
غیر مستحکم ٹیسٹ
5
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-08-14 01:43 دوبارہ ٹیسٹ | 6.8 | 10.0 | $0.741 ↓ | موازنہ کریں | |
| 2026-07-16 21:53 نیا ٹیسٹ شامل ہوا | 6.9 | 10.0 | $0.738 ↓ | موازنہ کریں | |
| 2026-06-04 13:18 نیا ٹیسٹ شامل ہوا | 7.5 | 10.0 | $0.288 ↓ | موازنہ کریں | |
| 2026-05-21 23:53 سوٹ بدل گیا | 7.4 | 9.7 | $0.348 | موجودہ رن | |
| 2026-04-27 23:06 پہلا رن | 8.1 | 10.0 | $0.174 | موازنہ کریں |
اس رن میں مختلف بینچ مارک سوٹ استعمال ہوا تھا۔ تاریخی تبدیلی سمجھتے وقت سوٹ کی تبدیلی کو بھی ذہن میں رکھیں۔
رن موازنہ
| رن | بینچ مارک کوریج | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:53 · سوٹ بدل گیا | 60/60 کوششیں | 7.4 | 8.0 | 9.7 | 11/20 | 5 | 234,489 | 0 | $0.348 | 18.96s |
| 2026-08-14 01:43 · دوبارہ ٹیسٹ | 66/66 کوششیں | 6.8 | 8.2 | 10.0 | 12/22 | 5 | 636,949 | 129,050 | $0.741 | 44.97s |
| فرق | — | +0.5 | -0.2 | -0.3 | -1 | 0 | -402460 | -129050 | -$0.394 | -26012ms |
بینچ مارک کوریج مختلف ہے: 60/60 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 66/66 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔)۔ مجموعے اور تکرار سے متاثر ہونے والے پیمانے براہ راست قابل موازنہ نہیں ہیں۔
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
فوری موازنہ
Qwen3.6 FlashmediumvsGemini 3.5 FlashnoneQwen3.6 FlashmediumvsStep 3.7 FlashhighQwen3.6 FlashmediumvsSeed-2.0-CodehighQwen3.6 FlashmediumvsSeed-2.0-CodemediumQwen3.6 FlashmediumvsQwen3.7 FlashmediumQwen3.6 FlashmediumvsSolar Pro 4lowQwen3.6 FlashmediumvsClaude Fable 5.1lowQwen3.6 FlashmediumvsSolar Pro 4mediumQwen3.6 FlashmediumvsKAT-Coder-Pro V2.5mediumQwen3.6 FlashmediumvsDeepSeek V4 Pronone
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 10.0 | 10.0 | |
| کوڈنگ | 5.1 | 6.8 | |
| مشترکہ | 10.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 10.0 | 10.0 | |
| ڈومین مخصوص | 3.5 | 4.4 | |
| عمومی ذہانت | 4.8 | 9.9 | |
| ہدایات کی پیروی | 10.0 | 10.0 | |
| پہیلی حل کرنا | 6.1 | 4.7 | |
| ٹول کالنگ | 10.0 | 10.0 | |
| معلومات عامہ | 3.0 | 10.0 |