AI BENCHY Compare

Mistral: Mistral Small 4 vs Qwen: Qwen3.5-27B

Ringkasan

Perbandingan benchmark Mistral Small 4 vs Qwen3.5-27B: Qwen3.5-27B unggul dalam skor rata-rata dengan 5.9 vs 5.1. Mistral Small 4 memiliki biaya benchmark lebih rendah di $0.007 vs $0.015. Mistral Small 4 lebih cepat di 630ms vs 1.68s, dengan tingkat keberhasilan 27.0% vs 38.1%.

Model yang direkomendasikan: Mistral Small 4 - Its score stays close to the best score here (5.1 vs 5.9), while costing about 2.1x less than Qwen3.5-27B.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-12

Metrik	Mistral Small 4 Mistral Small 4 none Rilis: 2026-03-16	Qwen3.5-27B Qwen3.5-27B none Rilis: 2026-02-24

Metrik	Mistral Small 4 Mistral Small 4 none Rilis: 2026-03-16	Qwen3.5-27B Qwen3.5-27B none Rilis: 2026-02-24
Skor	5.1	5.9
Peringkat	#136	#109
Keandalan	10.0	10.0
Konsistensi	9.5	9.3
Tes benar
Tingkat lulus per percobaan	27.0%	38.1%
Tes tidak stabil	1	2
Total Run	63	63
Biaya per hasil	0.139	0.249
Total Biaya	$0.007	$0.015
Harga input	$0.150 / 1M	$0.195 / 1M
Harga output	$0.600 / 1M	$1.560 / 1M
Total token input	37,309	44,478
Token output	2,201	3,592
Token penalaran	0	0
Waktu respons (rata-rata)	630ms	1.68s
Waktu respons (maks)	1.72s	9.39s
Waktu respons (total)	13.22s	35.25s

Generation showcase

Hamster playing table tennis

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

#136 Mistral Small 4

none

Cost: $0.002
Time: 10.4s
Tokens: 2,370 tok

#109 Qwen3.5-27B

none

Cost: $0.007
Time: 42.9s
Tokens: 4,273 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	3.4	7.9	16.7%	1		395ms	708	182	0
Qwen3.5-27B	4.8	10.0	25.0%	0		788ms	696	267	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	3.7	9.7	0.0%	0		901ms	7,636	619	0
Qwen3.5-27B	5.8	10.0	33.3%	0		1.80s	7,913	415	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	3.0	10.0	0.0%	0		1.72s	11,640	496	0
Qwen3.5-27B	2.8	1.6	33.3%	1		9.39s	16,918	1,461	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	10.0	10.0	100.0%	0		822ms	7,914	261	0
Qwen3.5-27B	10.0	10.0	100.0%	0		1.43s	7,794	243	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	5.3	10.0	33.3%	0		367ms	798	28	0
Qwen3.5-27B	3.0	10.0	0.0%	0		540ms	789	15	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	4.0	10.0	0.0%	0		729ms	519	205	0
Qwen3.5-27B	5.0	10.0	0.0%	0		2.51s	522	126	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	6.5	10.0	50.0%	0		380ms	729	69	0
Qwen3.5-27B	6.3	10.0	50.0%	0		1.03s	711	69	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	3.1	9.9	0.0%	0		399ms	735	111	0
Qwen3.5-27B	6.7	7.9	55.6%	1		1.38s	714	683	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	10.0	10.0	100.0%	0		1.40s	6,420	213	0
Qwen3.5-27B	10.0	10.0	100.0%	0		3.54s	8,211	303	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	3.0	10.0	0.0%	0		397ms	210	17	0
Qwen3.5-27B	3.0	10.0	0.0%	0		599ms	210	10	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

MiniMax M2.7mediumvsMistral Small 4none CobuddymediumvsMistral Small 4none Gemini 3.1 Flash LiteminimalvsQwen3.5-27Bnone DeepSeek V4 ProhighvsQwen3.5-27Bnone Gemma 4 31BmediumTersedia gratisvsQwen3.5-27Bnone MiniMax M2.5mediumvsMistral Small 4none Nemotron 3 SupermediumTersedia gratisvsQwen3.5-27Bnone Mistral Small 4nonevsQwen3 Coder Nextmedium Gemini 3.1 Flash LitelowvsQwen3.5-27Bnone Gemini 3.1 Flash Lite PreviewlowvsQwen3.5-27Bnone MiniMax M2.7mediumvsQwen3.5-27Bnone GPT-5 NanomediumvsQwen3.5-27Bnone