Mistral: Mistral Small 4 vs Qwen: Qwen3.5-9B

Mistral Small 4 平均分领先，为 5.1 vs 5.1。 Qwen3.5-9B benchmark 成本更低，为 $0.021 vs $0.022。 Mistral Small 4 更快，为 1.20s vs 19.17s，通过率为 25.8% vs 19.7%。

推荐模型Mistral Small 4它在这里得分最高（5.1），同时响应速度比Qwen3.5-9B快约 16.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	Mistral Small 4 Mistral Small 4 none 发布日期: 2026-03-16	Qwen3.5-9B Qwen3.5-9B none 发布日期: 2026-03-02

指标	Mistral Small 4 Mistral Small 4 none 发布日期: 2026-03-16	Qwen3.5-9B Qwen3.5-9B none 发布日期: 2026-03-02
分数	5.1	5.1
排名	#179	#183
可靠性	10.0	10.0
一致性	9.6	9.7
测试正确
尝试通过率	25.8%	19.7%
不稳定测试	1	1
总运行次数	66	66
每个结果成本	0.432	0.490
总成本	$0.022	$0.021
输入价格	$0.150 / 1M	$0.100 / 1M
输出价格	$0.600 / 1M	$0.150 / 1M
总输入令牌	104,708	144,407
输出令牌	9,812	37,484
推理令牌	0	0
响应时间（平均）	1.20s	19.17s
响应时间（最大）	13.16s	382.06s
响应时间（总计）	26.38s	421.74s

Hamster playing table tennis

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

#179 Mistral Small 4

none

成本: $0.002
时间: 10.4s
令牌: 2,370 tok

#183 Qwen3.5-9B

none

无效SVG

成本: $0.000
时间: 300.0s
令牌: 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

类别:

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	3.4	7.9	16.7%	1		395ms	708	182	0
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
Mistral Small 4	3.7	9.7	0.0%	0		901ms	7,636	619	0
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
Mistral Small 4	3.0	10.0	0.0%	0		7.44s	79,039	8,107	0
Qwen3.5-9B	3.0	10.0	0.0%	0		193.98s	116,763	34,787	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	10.0	10.0	100.0%	0		822ms	7,914	261	0
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
Mistral Small 4	5.3	10.0	33.3%	0		367ms	798	28	0
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
Mistral Small 4	4.0	10.0	0.0%	0		729ms	519	205	0
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
Mistral Small 4	6.5	10.0	50.0%	0		380ms	729	69	0
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
Mistral Small 4	3.1	9.9	0.0%	0		399ms	735	111	0
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
Mistral Small 4	10.0	10.0	100.0%	0		1.40s	6,420	213	0
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
Mistral Small 4	3.0	10.0	0.0%	0		397ms	210	17	0
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

Mistral Small 4mediumvsQwen3.5-9Bnone MiniMax M2.7mediumvsQwen3.5-9Bnone Laguna S 2.1low免费可用vsQwen3.5-9Bnone MiniMax M2.7mediumvsMistral Small 4none Mistral Small 4nonevsLaguna S 2.1low免费可用 Mistral Small 4nonevsLaguna S 2.1high免费可用 KAT-Coder-Air V2.5lowvsMistral Small 4none Mistral Small 4nonevsLaguna S 2.1medium免费可用 Laguna S 2.1high免费可用vsQwen3.5-9Bnone KAT-Coder-Air V2.5lowvsQwen3.5-9Bnone Laguna S 2.1medium免费可用vsQwen3.5-9Bnone CobuddymediumvsQwen3.5-9Bnone