AI BENCHY 对比

Mistral: Mistral Small 4 vs Qwen: Qwen3.5 Plus 2026-04-20

摘要

Mistral Small 4 vs Qwen3.5 Plus 2026-04-20 benchmark 对比：Qwen3.5 Plus 2026-04-20 平均分领先，为 5.7 vs 5.3。 Qwen3.5 Plus 2026-04-20 benchmark 成本更低，为 $0.032 vs $0.068。 Qwen3.5 Plus 2026-04-20 更快，为 4.39s vs 9.40s，通过率为 44.4% vs 41.3%。

推荐模型: Qwen3.5 Plus 2026-04-20 - 它在这里得分最高（5.7），同时成本比Mistral Small 4低约 2.1 倍。

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

指标	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16	Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 none 发布日期: 2026-04-20

指标	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16	Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 none 发布日期: 2026-04-20
分数	5.3	5.7
排名	#133	#115
可靠性	10.0	10.0
一致性	6.9	8.6
测试正确
尝试通过率	44.4%	41.3%
不稳定测试	8	4
总运行次数	63	63
每个结果成本	1.344	0.595
总成本	$0.068	$0.032
输入价格	$0.150 / 1M	$0.300 / 1M
输出价格	$0.600 / 1M	$1.800 / 1M
总输入令牌	42,576	38,910
输出令牌	24,184	11,145
推理令牌	84,678	0
响应时间（平均）	9.40s	4.39s
响应时间（最大）	59.15s	33.34s
响应时间（总计）	197.39s	92.26s

Generation showcase

Hamster playing table tennis

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

#133 Mistral Small 4

medium

Cost: $0.006
Time: 47.9s
Tokens: 9,857 tok

#115 Qwen3.5 Plus 2026-04-20

none

Cost: $0.008
Time: 77.0s
Tokens: 4,369 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
Mistral Small 4	5.6	3.8	66.7%	3		2.67s	708	4,055	4,778
Qwen3.5 Plus 2026-04-20	4.8	10.0	25.0%	0		1.88s	696	557	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
Mistral Small 4	4.4	5.1	33.3%	2		39.98s	7,636	11,635	54,715
Qwen3.5 Plus 2026-04-20	3.9	7.8	11.1%	1		1.69s	7,913	480	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
Mistral Small 4	3.0	10.0	0.0%	0		25.25s	18,706	2,612	10,700
Qwen3.5 Plus 2026-04-20	2.8	1.6	33.3%	1		13.32s	11,350	2,275	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
Mistral Small 4	7.3	5.9	83.3%	1		1.23s	6,171	335	723
Qwen3.5 Plus 2026-04-20	10.0	10.0	100.0%	0		2.82s	7,794	243	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
Mistral Small 4	5.3	7.2	44.4%	1		6.11s	742	2,621	6,904
Qwen3.5 Plus 2026-04-20	5.3	10.0	33.3%	0		4.43s	789	18	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
Mistral Small 4	4.8	10.0	0.0%	0		2.05s	519	821	828
Qwen3.5 Plus 2026-04-20	4.8	10.0	0.0%	0		1.41s	522	119	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
Mistral Small 4	7.3	5.8	83.3%	1		1.38s	729	540	1,031
Qwen3.5 Plus 2026-04-20	6.2	5.8	66.7%	1		1.17s	711	68	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
Mistral Small 4	3.4	9.7	0.0%	0		2.17s	735	1,226	2,632
Qwen3.5 Plus 2026-04-20	6.7	7.9	55.6%	1		1.97s	714	583	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
Mistral Small 4	10.0	10.0	100.0%	0		3.50s	6,420	321	810
Qwen3.5 Plus 2026-04-20	10.0	10.0	100.0%	0		4.42s	8,211	297	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
Mistral Small 4	3.0	10.0	0.0%	0		5.92s	210	18	1,557
Qwen3.5 Plus 2026-04-20	3.0	10.0	0.0%	0		33.34s	210	6,505	0

快速对比

切换对比组合