AI BENCHY 对比

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

摘要

DeepSeek V4 Pro vs Qwen3.5-9B benchmark 对比：DeepSeek V4 Pro 平均分领先，为 6.0 vs 4.6。 Qwen3.5-9B benchmark 成本更低，为 $0.006 vs $0.079。 Qwen3.5-9B 更快，为 1.89s vs 65.21s，通过率为 52.4% vs 20.6%。

推荐模型: Qwen3.5-9B - 它提供了最佳整体取舍：得分有竞争力（4.6），成本低于DeepSeek V4 Pro，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	Qwen3.5-9B Qwen3.5-9B none 发布日期: 2026-03-02

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	Qwen3.5-9B Qwen3.5-9B none 发布日期: 2026-03-02
分数	6.0	4.6
排名	#104	#155
可靠性	9.0	10.0
一致性	7.6	9.7
测试正确
尝试通过率	52.4%	20.6%
不稳定测试	6	1
总运行次数	63	63
每个结果成本	2.869	0.123
总成本	$0.079	$0.006
输入价格	$0.435 / 1M	$0.100 / 1M
输出价格	$0.870 / 1M	$0.150 / 1M
总输入令牌	32,240	48,041
输出令牌	12,250	3,952
推理令牌	72,257	0
响应时间（平均）	65.21s	1.89s
响应时间（最大）	358.35s	6.03s
响应时间（总计）	1304.19s	39.68s

Generation showcase

Hamster playing table tennis

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

#104 DeepSeek V4 Pro

high

Cost: $0.023
Time: 257.6s
Tokens: 14,870 tok

#155 Qwen3.5-9B

none

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 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 Pro	6.4	7.9	58.3%	1		16.53s	448	71	3,617
Qwen3.5-9B	3.1	9.9	0.0%	0		1.71s	696	582	0

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 Pro	3.3	6.4	11.1%	1		118.23s	1,966	111	20,940
Qwen3.5-9B	3.9	7.8	11.1%	1		5.60s	7,913	1,042	0

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 Pro	10.0	10.0	100.0%	0		65.02s	14,016	465	5,914
Qwen3.5-9B	3.0	10.0	0.0%	0		5.91s	20,397	1,255	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 Pro	7.3	5.9	83.3%	1		23.62s	5,633	229	1,710
Qwen3.5-9B	10.0	10.0	100.0%	0		847ms	7,788	249	0

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 Pro	2.9	7.2	11.1%	1		205.66s	430	10,529	28,089
Qwen3.5-9B	3.0	10.0	0.0%	0		464ms	789	24	0

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 Pro	6.1	3.1	66.7%	1		25.09s	314	76	1,152
Qwen3.5-9B	4.4	9.9	0.0%	0		552ms	522	99	0

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 Pro	10.0	10.0	100.0%	0		41.16s	627	205	2,416
Qwen3.5-9B	6.5	10.0	50.0%	0		514ms	711	75	0

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 Pro	5.9	7.2	55.6%	1		34.84s	544	139	4,019
Qwen3.5-9B	3.2	10.0	0.0%	0		621ms	714	347	0

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 Pro	10.0	10.0	100.0%	0		21.33s	8,079	372	593
Qwen3.5-9B	10.0	10.0	100.0%	0		1.27s	8,301	273	0

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 Pro	3.0	10.0	0.0%	0		39.14s	183	53	3,807
Qwen3.5-9B	3.0	10.0	0.0%	0		2.32s	210	6	0

快速对比

切换对比组合