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：: 2026-04-14
| 指标 | GPT-4o-mini GPT-4o-mini none | Qwen3 Coder Next Qwen3 Coder Next medium |
|---|---|---|
| 分数 | 4.9 | 4.7 |
| 排名 | #85 | #88 |
| 一致性 | 9.9 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 22.2% | 27.8% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.122 | 0.240 |
| 总成本 | $0.005 | $0.008 |
| ???? | $0.150 / 1M | $0.150 / 1M |
| ???? | $0.600 / 1M | $0.800 / 1M |
| 输出令牌 | 1,947 | 3,241 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.00s | 10.75s |
| 响应时间（最大） | 7.58s | 81.80s |
| 响应时间（总计） | 21.99s | 129.01s |
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 | 3.0 | 8.7 | 0.0% | 0 | 2.55s | 347 | 0 | |
| Qwen3 Coder Next | 4.7 | 1.6 | 66.7% | 1 | 1.69s | 300 | 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 | 4.8 | 10.0 | 0.0% | 0 | 1.27s | 69 | 0 | |
| Qwen3 Coder Next | 4.8 | 10.0 | 0.0% | 0 | 7.34s | 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 | 3.7 | 10.0 | 0.0% | 0 | 1.30s | 308 | 0 | |
| Qwen3 Coder Next | 3.1 | 10.0 | 0.0% | 0 | 2.30s | 641 | 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 |
快速对比
切换对比组合
Mercury 2nonevsQwen3 Coder NextmediumQwen3 Coder NextmediumvsMiMo-V2-FlashnoneQwen3 Coder NextmediumvsGrok 4.1 FastnoneGPT-5.4 NanononevsQwen3 Coder NextmediumGPT-4o-mininonevsGLM 4.7 FlashmediumNemotron 3 Supernone免费可用vsQwen3 Coder NextmediumGPT-4o-mininonevsElephantmediumMiniMax M2.7mediumvsGPT-4o-mininoneGPT-5.4 MininonevsQwen3 Coder NextmediumElephantnonevsQwen3 Coder Nextmediumgpt-oss-120bnone免费可用vsQwen3 Coder NextmediumMistral Small 4nonevsQwen3 Coder Nextmedium