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

AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs Qwen: Qwen3.5-9B

摘要

DeepSeek V4 Flash vs Qwen3.5-9B benchmark 对比：DeepSeek V4 Flash 平均分领先，为 5.0 vs 4.2。 DeepSeek V4 Flash benchmark 成本更低，为 $0.008 vs $0.035。 DeepSeek V4 Flash 更快，为 26.75s vs 82.24s，通过率为 30.2% vs 27.0%。

推荐模型: DeepSeek V4 Flash - 它在这里得分最高（5.0），同时成本比Qwen3.5-9B低约 4.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04

指标 DeepSeek V4 Flash DeepSeek V4 Flash none 发布日期: 2026-04-24 Qwen3.5-9B Qwen3.5-9B medium 发布日期: 2026-03-02
分数 5.0 4.2
排名 #139 #161
可靠性 10.0 6.7
一致性 8.9 8.0
测试正确
尝试通过率 30.2% 27.0%
不稳定测试 3 5
总运行次数 63 63
每个结果成本 0.203 1.187
总成本 $0.008 $0.035
输入价格 $0.099 / 1M $0.040 / 1M
输出价格 $0.197 / 1M $0.150 / 1M
总输入令牌 50,127 17,070
输出令牌 13,710 29,045
推理令牌 0 209,516
响应时间（平均） 26.75s 82.24s
响应时间（最大） 111.96s 226.38s
响应时间（总计） 561.82s 1315.88s

Generation showcase

Hamster playing table tennis

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

#139 DeepSeek V4 Flash

none
Cost
$0.004
Time
157.6s
Tokens
11,297 tok

#161 Qwen3.5-9B

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

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 3.0 10.0 0.0% 0 20.18s 540 174 0
Qwen3.5-9B 5.1 5.8 50.0% 2 34.44s 369 2,621 12,411
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 4.2 7.4 11.1% 1 17.13s 7,279 9,717 0
Qwen3.5-9B 2.9 10.0 0.0% 0 100.88s 2,396 7,890 41,129
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 4.5 2.1 66.7% 1 111.96s 24,398 2,664 0
Qwen3.5-9B 3.0 10.0 0.0% 0 0ms 0 0 0
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 10.0 10.0 100.0% 0 23.79s 7,290 195 0
Qwen3.5-9B 3.6 5.6 33.3% 1 87.31s 4,722 1,383 32,113
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 5.3 10.0 33.3% 0 19.73s 666 18 0
Qwen3.5-9B 3.6 7.2 22.2% 1 137.75s 295 11,549 48,475
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 4.2 9.9 0.0% 0 23.74s 471 67 0
Qwen3.5-9B 2.8 1.6 33.3% 1 226.38s 180 0 30,695
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 6.5 10.0 50.0% 0 17.54s 627 321 0
Qwen3.5-9B 6.5 10.0 50.0% 0 5.75s 381 491 1,824
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 3.1 7.3 11.1% 1 23.72s 594 207 0
Qwen3.5-9B 3.0 10.0 0.0% 0 32.27s 376 1,593 12,026
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 10.0 10.0 100.0% 0 77.93s 8,079 327 0
Qwen3.5-9B 10.0 10.0 100.0% 0 4.31s 8,283 444 1,149
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4 Flash 3.0 10.0 0.0% 0 3.07s 183 20 0
Qwen3.5-9B 3.0 10.0 0.0% 0 177.02s 68 3,074 29,694

快速对比

切换对比组合

Ling-2.6-1TnonevsQwen3.5-9BmediumGranite 4.1 8BnonevsQwen3.5-9BmediumDeepSeek V4 FlashnonevsMistral Small 4mediumDeepSeek V4 FlashnonevsMiniMax M2.7mediumDeepSeek V4 FlashnonevsQwen3 Coder NextmediumDeepSeek V4 FlashnonevsMiniMax M2.5mediumMercury 2nonevsQwen3.5-9BmediumQwen3.5-9BmediumvsMiMo-V2-FlashnoneTrinity Large PreviewnonevsQwen3.5-9BmediumGPT-5.4 NanononevsQwen3.5-9BmediumGPT-4o-mininonevsQwen3.5-9BmediumDeepSeek V4 FlashnonevsGLM 4.7 Flashmedium