#189 GPT-4o-mini
none- 成本
- $0.001
- 时间
- 6.6s
- 令牌
- 742 tok
OpenAI: GPT-4o-mini vs Qwen: Qwen3.5-9B
Qwen3.5-9B 平均分领先，为 5.1 vs 5.0。 GPT-4o-mini benchmark 成本更低，为 $0.010 vs $0.021。 GPT-4o-mini 更快，为 1.99s vs 19.17s，通过率为 22.7% vs 19.7%。
推荐模型GPT-4o-mini它的得分接近这里的最高分（5.0 vs 5.1），同时成本比Qwen3.5-9B低约 2.1 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25
| 指标 | GPT-4o-mini GPT-4o-mini none | Qwen3.5-9B Qwen3.5-9B none |
|---|---|---|
| 分数 | 5.0 | 5.1 |
| 排名 | #189 | #183 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.9 | 9.7 |
| 测试正确 | ||
| 尝试通过率 | 22.7% | 19.7% |
| 不稳定测试 | 0 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.195 | 0.490 |
| 总成本 | $0.010 | $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 | 53,136 | 144,407 |
| 输出令牌 | 2,911 | 37,484 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.99s | 19.17s |
| 响应时间（最大） | 7.58s | 382.06s |
| 响应时间（总计） | 29.86s | 421.74s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#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
| 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 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.2 | 9.6 | 0.0% | 0 | 1.63s | 7,314 | 367 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 6.32s | 29,916 | 1,497 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 7,161 | 183 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 637ms | 732 | 15 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.0 | 10.0 | 0.0% | 0 | 909ms | 480 | 66 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| 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 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.5 | 10.0 | 0.0% | 0 | 1.21s | 651 | 308 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| 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 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 794ms | 198 | 15 | 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 4mediumvsQwen3.5-9BnoneGPT-4o-mininonevsLaguna S 2.1low免费可用MiniMax M2.7mediumvsQwen3.5-9BnoneMiniMax M2.7mediumvsGPT-4o-mininoneLaguna S 2.1low免费可用vsQwen3.5-9BnoneMistral Small 4mediumvsGPT-4o-mininoneLaguna S 2.1high免费可用vsQwen3.5-9BnoneGPT-4o-mininonevsQwen3 Coder NextmediumCobuddymediumvsGPT-4o-mininoneKAT-Coder-Air V2.5lowvsQwen3.5-9BnoneLaguna S 2.1medium免费可用vsQwen3.5-9BnoneMiniMax M2.5mediumvsGPT-4o-mininone