AI BENCHY 对比
OpenAI: GPT-4o-mini vs Qwen: Qwen3 Coder Next
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | GPT-4o-mini GPT-4o-mini none | Qwen3 Coder Next Qwen3 Coder Next medium |
|---|---|---|
| 分数 | 4.9 | 4.7 |
| 排名 | #144 | #147 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.9 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 25.0% | 30.0% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.111 | 0.193 |
| 总成本 | $0.006 | $0.008 |
| 输入价格 | $0.150 / 1M | $0.110 / 1M |
| 输出价格 | $0.600 / 1M | $0.800 / 1M |
| 输出令牌 | 1,977 | 3,310 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.85s | 9.16s |
| 响应时间（最大） | 7.58s | 81.80s |
| 响应时间（总计） | 24.00s | 128.25s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.8 | 10.0 | 25.0% | 0 | 1.34s | 186 | 0 | |
| Qwen3 Coder Next | 3.5 | 8.1 | 16.7% | 1 | 8.64s | 1,252 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.2 | 9.3 | 0.0% | 0 | 2.05s | 362 | 0 | |
| Qwen3 Coder Next | 4.1 | 5.8 | 33.3% | 1 | 1.17s | 327 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 0 | |
| Qwen3 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 4.28s | 317 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 183 | 0 | |
| Qwen3 Coder Next | 6.5 | 10.0 | 50.0% | 0 | 81.80s | 246 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 0 | |
| Qwen3 Coder Next | 5.3 | 10.0 | 33.3% | 0 | 638ms | 25 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.0 | 10.0 | 0.0% | 0 | 909ms | 66 | 0 | |
| Qwen3 Coder Next | 6.3 | 3.4 | 66.7% | 1 | 1.39s | 142 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 6.3 | 10.0 | 50.0% | 0 | 1.11s | 69 | 0 | |
| Qwen3 Coder Next | 6.3 | 10.0 | 50.0% | 0 | 7.49s | 63 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.5 | 10.0 | 0.0% | 0 | 1.21s | 308 | 0 | |
| Qwen3 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 1.25s | 671 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 0 | |
| Qwen3 Coder Next | 10.0 | 10.0 | 100.0% | 0 | 2.64s | 255 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 794ms | 15 | 0 | |
| Qwen3 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 399ms | 12 | 0 |
快速对比
切换对比组合
GPT-5.4 NanononevsQwen3 Coder NextmediumQwen3 Coder NextmediumvsMiMo-V2-FlashnoneTrinity Large PreviewnonevsQwen3 Coder NextmediumMercury 2nonevsQwen3 Coder NextmediumGPT-5.4 MininonevsQwen3 Coder NextmediumQwen3 Coder NextmediumvsMiMo-V2.5noneLing-2.6-1TnonevsQwen3 Coder NextmediumMistral Small 4nonevsQwen3 Coder NextmediumNemotron 3 Supernone免费可用vsQwen3 Coder NextmediumDeepSeek V4 Flashnone免费可用vsQwen3 Coder NextmediumGPT-4o-mininonevsGLM 4.7 FlashmediumElephant AlphanonevsQwen3 Coder Nextmedium