Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

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

Resumen

Comparación benchmark de GPT-4o-mini vs Qwen3.5-9B: GPT-4o-mini lidera en puntuación media con 4.8 vs 4.2. GPT-4o-mini tiene menor coste de benchmark con $0.006 vs $0.036. GPT-4o-mini es más rápido con 1.77s vs 82.24s, con tasas de acierto de 23.8% vs 27.0%.

Modelo recomendado: GPT-4o-mini - Tiene la mejor puntuación aquí (4.8) y cuesta aproximadamente 6.0x menos que Qwen3.5-9B.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-10

Métrica GPT-4o-mini GPT-4o-mini none Lanzamiento: 2024-07-18 Qwen3.5-9B Qwen3.5-9B medium Lanzamiento: 2026-03-02
Puntuación 4.8 4.2
Rango #148 #162
Fiabilidad 10.0 6.7
Consistencia 9.9 8.0
Pruebas correctas
Tasa de aciertos por intento 23.8% 27.0%
Pruebas inestables 0 5
Ejecuciones totales 63 63
Costo por resultado 0.119 1.187
Costo total $0.006 $0.036
Precio de entrada $0.150 / 1M $0.100 / 1M
Precio de salida $0.600 / 1M $0.150 / 1M
Total de tokens de entrada 31,518 17,070
Tokens de salida 1,982 29,045
Tokens de razonamiento 0 209,516
Tiempo de respuesta (promedio) 1.77s 82.24s
Tiempo de respuesta (máximo) 7.58s 226.38s
Tiempo de respuesta (total) 24.80s 1315.88s

Generation showcase

Hamster playing table tennis

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

#148 GPT-4o-mini

none
Cost
$0.001
Time
6.6s
Tokens
742 tok

#162 Qwen3.5-9B

medium
Cost
$0.001
Time
35.9s
Tokens
3,030 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación 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 entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 4.8 10.0 25.0% 0 1.34s 618 186 0
Qwen3.5-9B 5.1 5.8 50.0% 2 34.44s 369 2,621 12,411
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 3.2 9.6 0.0% 0 1.63s 7,314 367 0
Qwen3.5-9B 2.9 10.0 0.0% 0 100.88s 2,396 7,890 41,129
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 3.0 10.0 0.0% 0 7.58s 8,298 568 0
Qwen3.5-9B 3.0 10.0 0.0% 0 0ms 0 0 0
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 10.0 10.0 100.0% 0 1.27s 7,161 183 0
Qwen3.5-9B 3.6 5.6 33.3% 1 87.31s 4,722 1,383 32,113
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 3.0 10.0 0.0% 0 637ms 732 15 0
Qwen3.5-9B 3.6 7.2 22.2% 1 137.75s 295 11,549 48,475
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 4.0 10.0 0.0% 0 909ms 480 66 0
Qwen3.5-9B 2.8 1.6 33.3% 1 226.38s 180 0 30,695
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 6.3 10.0 50.0% 0 1.11s 666 69 0
Qwen3.5-9B 6.5 10.0 50.0% 0 5.75s 381 491 1,824
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 3.5 10.0 0.0% 0 1.21s 651 308 0
Qwen3.5-9B 3.0 10.0 0.0% 0 32.27s 376 1,593 12,026
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 10.0 10.0 100.0% 0 2.51s 5,400 205 0
Qwen3.5-9B 10.0 10.0 100.0% 0 4.31s 8,283 444 1,149
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-4o-mini 3.0 10.0 0.0% 0 794ms 198 15 0
Qwen3.5-9B 3.0 10.0 0.0% 0 177.02s 68 3,074 29,694

Comparación rápida

Cambiar par de comparación

Ling-2.6-1TnonevsQwen3.5-9BmediumGPT-4o-mininonevsQwen3 Coder NextmediumGranite 4.1 8BnonevsQwen3.5-9BmediumMercury 2nonevsQwen3.5-9BmediumGPT-4o-mininonevsGLM 4.7 FlashmediumQwen3.5-9BmediumvsMiMo-V2-FlashnoneTrinity Large PreviewnonevsQwen3.5-9BmediumGPT-5.4 NanononevsQwen3.5-9BmediumMistral Small 4mediumvsGPT-4o-mininoneMiniMax M2.7mediumvsGPT-4o-mininoneMiniMax M2.5mediumvsGPT-4o-mininoneGPT-5.4 MininonevsQwen3.5-9Bmedium