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

OpenAI: GPT-4o-mini vs Qwen: Qwen3.5-9B

摘要

GPT-4o-mini vs Qwen3.5-9B benchmark 对比：GPT-4o-mini 平均分领先，为 4.8 vs 4.2。 GPT-4o-mini benchmark 成本更低，为 $0.006 vs $0.036。 GPT-4o-mini 更快，为 1.77s vs 82.24s，通过率为 23.8% vs 27.0%。

推荐模型: GPT-4o-mini - 它在这里得分最高（4.8），同时成本比Qwen3.5-9B低约 6.0 倍。

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

指标 GPT-4o-mini GPT-4o-mini none 发布日期: 2024-07-18 Qwen3.5-9B Qwen3.5-9B medium 发布日期: 2026-03-02
分数 4.8 4.2
排名 #148 #162
可靠性 10.0 6.7
一致性 9.9 8.0
测试正确
尝试通过率 23.8% 27.0%
不稳定测试 0 5
总运行次数 63 63
每个结果成本 0.119 1.187
总成本 $0.006 $0.036
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 31,518 17,070
输出令牌 1,982 29,045
推理令牌 0 209,516
响应时间（平均） 1.77s 82.24s
响应时间（最大） 7.58s 226.38s
响应时间（总计） 24.80s 1315.88s

Generation showcase

Hamster playing table tennis

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

#148 GPT-4o-mini

none
Cost
$0.001
Time
6.6s
Tokens
742 tok

#162 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
GPT-4o-mini 4.8 10.0 25.0% 0 1.34s 618 186 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
GPT-4o-mini 3.2 9.6 0.0% 0 1.63s 7,314 367 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
GPT-4o-mini 3.0 10.0 0.0% 0 7.58s 8,298 568 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
GPT-4o-mini 10.0 10.0 100.0% 0 1.27s 7,161 183 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
GPT-4o-mini 3.0 10.0 0.0% 0 637ms 732 15 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
GPT-4o-mini 4.0 10.0 0.0% 0 909ms 480 66 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
GPT-4o-mini 6.3 10.0 50.0% 0 1.11s 666 69 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
GPT-4o-mini 3.5 10.0 0.0% 0 1.21s 651 308 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
GPT-4o-mini 10.0 10.0 100.0% 0 2.51s 5,400 205 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
GPT-4o-mini 3.0 10.0 0.0% 0 794ms 198 15 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-2.6-1TnonevsQwen3.5-9BmediumGPT-4o-mininonevsQwen3 Coder NextmediumGranite 4.1 8BnonevsQwen3.5-9BmediumMercury 2nonevsQwen3.5-9BmediumGPT-4o-mininonevsGLM 4.7 FlashmediumQwen3.5-9BmediumvsMiMo-V2-FlashnoneTrinity Large PreviewnonevsQwen3.5-9BmediumGPT-5.4 NanononevsQwen3.5-9BmediumMistral Small 4mediumvsGPT-4o-mininoneMiniMax M2.7mediumvsGPT-4o-mininoneMiniMax M2.5mediumvsGPT-4o-mininoneGPT-5.4 MininonevsQwen3.5-9Bmedium