AI BENCHY Compare

OpenAI: GPT-4o-mini vs Qwen: Qwen3.5-9B

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-12

Métrica	GPT-4o-mini GPT-4o-mini none Lanzamiento: 2024-07-18	Qwen3.5-9B Qwen3.5-9B medium Lanzamiento: 2026-03-02

Métrica	GPT-4o-mini GPT-4o-mini none Lanzamiento: 2024-07-18	Qwen3.5-9B Qwen3.5-9B medium Lanzamiento: 2026-03-02
Rango	#55	#66
Puntaje prom.	4.0	2.6
Consistencia	10.0	7.4
Costo por resultado	0.114	0.779
Costo total	$0.005	$0.024
Pruebas correctas
Tasa de aciertos por intento	25.0%	35.4%
Pruebas inestables	0	5
Ejecuciones totales	48	48
Tokens de salida	1,594	17,930
Tokens de razonamiento	0	139,706
Tiempo de respuesta (promedio)	2.07s	71.44s
Tiempo de respuesta (máximo)	7.58s	226.38s
Tiempo de respuesta (total)	18.60s	928.77s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntaje prom. vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntaje prom. vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-4o-mini	4.0	10.0	33.3%	0		1.83s	180	0
Qwen3.5-9B	4.0	7.2	55.6%	1		31.54s	2,410	10,913

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-4o-mini	10.0	10.0	0.0%	0		7.58s	568	0
Qwen3.5-9B	10.0	10.0	0.0%	0		0ms	0	0

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-4o-mini	9.9	10.0	100.0%	0		1.27s	183	0
Qwen3.5-9B	5.0	5.6	33.3%	1		87.31s	1,383	32,113

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-4o-mini	10.0	10.0	0.0%	0		637ms	15	0
Qwen3.5-9B	10.0	7.2	22.2%	1		137.75s	11,549	48,475

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-4o-mini	3.0	10.0	0.0%	0		909ms	66	0
Qwen3.5-9B	10.0	1.6	33.3%	1		226.38s	0	30,695

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-4o-mini	4.5	10.0	0.0%	0		1.27s	69	0
Qwen3.5-9B	5.5	5.8	66.7%	1		17.15s	599	4,517

Puzzle Solving	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-4o-mini	2.3	10.0	0.0%	0		1.30s	308	0
Qwen3.5-9B	10.0	10.0	0.0%	0		33.38s	1,545	11,844

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-4o-mini	10.0	10.0	100.0%	0		2.51s	205	0
Qwen3.5-9B	10.0	10.0	100.0%	0		4.31s	444	1,149

Comparación rápida

Cambiar par de comparación

Qwen3.5-9BmediumvsMiMo-V2-Flashnone Qwen3.5-9BmediumvsGrok 4.1 Fastnone GPT-4o-mininonevsQwen3 Coder Nextmedium MiniMax M2.5mediumvsGPT-4o-mininone Mercury 2nonevsQwen3.5-9Bmedium Nemotron 3 Super 120b A12bnoneDisponible gratisvsQwen3.5-9Bmedium GPT-4o-mininonevsGLM 4.7 Flashmedium GPT-4o-mininonevsGrok 4.20 Multi-Agent Betamedium Qwen3.5-9BmediumvsGLM 4.7 Flashnone Mercury 2mediumvsGPT-4o-mininone Kimi K2.5nonevsQwen3.5-9Bmedium GPT-4o-mininonevsQwen3.5-35B-A3Bmedium