Qwen3.5 9B (Reasoning)

Alibaba

Open-Weights Text-LLM

Benchmarks

Alle gespeicherten Werte, nach Themengebiet gruppiert. Das Leaderboard zeigt je Ansicht nur einen davon.

Benchmark	Wert	Gemessen	Quelle
AA Intelligence Index Aggregat von Artificial Analysis aus 7+ Benchmarks (MMLU-Pro, GPQA, HLE, LiveCodeBench, AIME, TerminalBench-Hard, Tau2).	13.7	12.09.2026	Beleg

Benchmark	Wert	Gemessen	Quelle
GPQA Diamond 198 Graduate-level Bio/Physik/Chemie-Fragen, leak-protected.	80.6	12.09.2026	Beleg
LCR Long-Context-Reasoning-Benchmark (langer Kontext + Logik).	70.0	12.09.2026	Beleg
Humanity's Last Exam 2158 Multi-Domain-Fragen, eine der schwersten Suiten.	14.9	12.09.2026	Beleg

Benchmark	Wert	Gemessen	Quelle
AA Coding Index Aggregat aus LiveCodeBench, Tau2 und SciCode. Coding-spezifisches Pendant zum Intelligence-Index.	28.7	12.09.2026	Beleg
SciCode Wissenschafts-Codierungsaufgaben (Physik/Chemie/Bio).	27.5	04.09.2026	Beleg

Benchmark	Wert	Gemessen	Quelle
TAU2 Tool-/Agent-Use-Benchmark Variante 2.	86.8	12.09.2026	Beleg
IFBench Instruction-Following-Benchmark (Befolgen komplexer Vorgaben).	66.7	12.09.2026	Beleg
Terminal-Bench 2.1 Terminal-basierte Agent-Aufgaben, neuere Fassung neben 2.0.	29.2	12.09.2026	Beleg
Terminal-Bench 2.0 Terminal-basierte Agent-Aufgaben (SysAdmin + Coding).	24.2	12.09.2026	Beleg
TAU Banking Tool-/Agent-Use im Banking-Szenario.	7.0	12.09.2026	Beleg
AA Agentic Index Aggregat aus GDPval-AA und Tau-Banking fuer agentische Arbeit (Werkzeugnutzung, Planung, Autonomie). Kommt vom Free-Endpoint und deckt nur einen Teil der Modelle ab.	7.0	04.09.2026	Beleg

Einheit	USD	Anbieter	Stand	Quelle
USD pro 1 Mio Input-Tokens	0,14	Artificial Analysis (median)	12.09.2026	Beleg
USD pro 1 Mio Output-Tokens	0,20	Artificial Analysis (median)	12.09.2026	Beleg

Wie viel Videospeicher das Modell je Quantisierung belegt — die Größe entscheidet, ob es auf eine vorhandene Grafikkarte passt.