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

Qwen3.5-9B lidera en puntuación media con 5.1 vs 5.0. GPT-4o-mini tiene menor coste de benchmark con $0.010 vs $0.021. GPT-4o-mini es más rápido con 1.99s vs 19.17s, con tasas de acierto de 22.7% vs 19.7%.

Modelo recomendadoGPT-4o-miniSu puntuación se mantiene cerca de la mejor aquí (5.0 vs 5.1) y cuesta aproximadamente 2.1x menos que Qwen3.5-9B.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-25

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

Métrica	GPT-4o-mini GPT-4o-mini none Lanzamiento: 2024-07-18	Qwen3.5-9B Qwen3.5-9B none Lanzamiento: 2026-03-02
Puntuación	5.0	5.1
Rango	#189	#183
Fiabilidad	10.0	10.0
Consistencia	9.9	9.7
Pruebas correctas
Tasa de aciertos por intento	22.7%	19.7%
Pruebas inestables	0	1
Ejecuciones totales	66	66
Costo por resultado	0.195	0.490
Costo total	$0.010	$0.021
Precio de entrada	$0.150 / 1M	$0.100 / 1M
Precio de salida	$0.600 / 1M	$0.150 / 1M
Total de tokens de entrada	53,136	144,407
Tokens de salida	2,911	37,484
Tokens de razonamiento	0	0
Tiempo de respuesta (promedio)	1.99s	19.17s
Tiempo de respuesta (máximo)	7.58s	382.06s
Tiempo de respuesta (total)	29.86s	421.74s

Hamster playing table tennis

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

#189 GPT-4o-mini

none

Coste: $0.001
Tiempo: 6.6s
Tokens: 742 tok

#183 Qwen3.5-9B

none

SVG inválido

Coste: $0.000
Tiempo: 300.0s
Tokens: 0 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

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	3.1	9.9	0.0%	0		1.71s	696	582	0

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	3.9	7.8	11.1%	1		5.60s	7,913	1,042	0

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		6.32s	29,916	1,497	0
Qwen3.5-9B	3.0	10.0	0.0%	0		193.98s	116,763	34,787	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	10.0	10.0	100.0%	0		847ms	7,788	249	0

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	3.0	10.0	0.0%	0		464ms	789	24	0

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	4.4	9.9	0.0%	0		552ms	522	99	0

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		514ms	711	75	0

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	3.2	10.0	0.0%	0		621ms	714	347	0

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		1.27s	8,301	273	0

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		2.32s	210	6	0

Comparación rápida

Cambiar par de comparación

Mistral Small 4mediumvsQwen3.5-9Bnone GPT-4o-mininonevsLaguna S 2.1lowDisponible gratis MiniMax M2.7mediumvsQwen3.5-9Bnone MiniMax M2.7mediumvsGPT-4o-mininone Laguna S 2.1lowDisponible gratisvsQwen3.5-9Bnone Mistral Small 4mediumvsGPT-4o-mininone Laguna S 2.1highDisponible gratisvsQwen3.5-9Bnone GPT-4o-mininonevsQwen3 Coder Nextmedium CobuddymediumvsGPT-4o-mininone KAT-Coder-Air V2.5lowvsQwen3.5-9Bnone Laguna S 2.1mediumDisponible gratisvsQwen3.5-9Bnone MiniMax M2.5mediumvsGPT-4o-mininone