AI BENCHY 对比
DeepSeek: DeepSeek V4 Flash vs Qwen: Qwen3.5-9B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24
| 指标 | DeepSeek V4 Flash DeepSeek V4 Flash none | Qwen3.5-9B Qwen3.5-9B medium |
|---|---|---|
| 分数 | 5.3 | 4.4 |
| 排名 | #89 | #111 |
| 一致性 | 9.1 | 7.2 |
| 测试正确 | ||
| 尝试通过率 | 33.3% | 33.3% |
| 不稳定测试 | 2 | 6 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.147 | 0.976 |
| 总成本 | $0.008 | $0.030 |
| ???? | $0.140 / 1M | $0.100 / 1M |
| ???? | $0.280 / 1M | $0.150 / 1M |
| 输出令牌 | 4,444 | 24,291 |
| 推理令牌 | 0 | 172,597 |
| 响应时间（平均） | 29.39s | 73.64s |
| 响应时间（最大） | 111.96s | 226.38s |
| 响应时间（总计） | 529.10s | 1104.60s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 3.0 | 10.0 | 0.0% | 0 | 20.18s | 174 | 0 | |
| Qwen3.5-9B | 5.1 | 5.8 | 50.0% | 2 | 34.44s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 6.3 | 10.0 | 0.0% | 0 | 24.04s | 471 | 0 | |
| Qwen3.5-9B | 2.6 | 10.0 | 0.0% | 0 | 135.61s | 6,150 | 31,393 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 4.5 | 2.1 | 66.7% | 1 | 111.96s | 2,664 | 0 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 23.79s | 195 | 0 | |
| Qwen3.5-9B | 3.6 | 5.6 | 33.3% | 1 | 87.31s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 5.3 | 10.0 | 33.3% | 0 | 19.73s | 18 | 0 | |
| Qwen3.5-9B | 3.6 | 7.2 | 22.2% | 1 | 137.75s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 4.2 | 9.9 | 0.0% | 0 | 23.74s | 67 | 0 | |
| Qwen3.5-9B | 2.8 | 1.6 | 33.3% | 1 | 226.38s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 6.5 | 10.0 | 50.0% | 0 | 17.54s | 321 | 0 | |
| Qwen3.5-9B | 6.4 | 5.8 | 66.7% | 1 | 17.15s | 599 | 4,517 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 3.1 | 7.3 | 11.1% | 1 | 22.96s | 207 | 0 | |
| Qwen3.5-9B | 3.1 | 10.0 | 0.0% | 0 | 33.38s | 1,545 | 11,844 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 77.93s | 327 | 0 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 4.31s | 444 | 1,149 |
快速对比
切换对比组合
DeepSeek V4 FlashnonevsMiniMax M2.7mediumDeepSeek V4 FlashnonevsElephant AlphamediumGPT-5.4 NanononevsQwen3.5-9BmediumLing 2.6 1tnone免费可用vsQwen3.5-9BmediumQwen3.5-9BmediumvsGrok 4.1 FastnoneQwen3.5-9BmediumvsMiMo-V2-FlashnoneQwen3.5-9BmediumvsHY3 Previewnone免费可用DeepSeek V4 FlashnonevsMistral Small 4mediumDeepSeek V4 FlashnonevsMiniMax M2.5medium免费可用Mercury 2nonevsQwen3.5-9BmediumGPT-4o-mininonevsQwen3.5-9BmediumDeepSeek V4 Flashnonevsgpt-oss-120bmedium免费可用