COMPARE / 2–4 MODELS

模型对比

MODEL SELECTOR

选择对比模型

4 / 4

模型厂商查找模型

DeepSeek-Coder-V2×North Mini Code×Mistral Large 3×Devstral Small (Jul '25)×

DeepSeek-Coder-V2 / North Mini Code / Mistral Large 3 / Devstral Small (Jul '25)

PRICE / CAPABILITY FRONTIER

模型斩杀线坐标

2 个所选模型

左上区域代表更低价格和更高能力。红色前沿线由当前主流模型计算；对比状态只显示所选模型点，隐藏其他背景点。价格采用标准输入档位，横轴为对数刻度。

020406080100

AA 智能指数越高越好

DeepSeek-Coder-V2DeepSeek

5.984差 39.6%

North Mini CodeCohere

9.915最优

Mistral Large 3Mistral

9.708差 2.1%

Devstral Small (Jul '25)Mistral

7.602差 23.3%

GPQA 科学推理越高越好

DeepSeek-Coder-V2DeepSeek

—

North Mini CodeCohere

0.757最优

Mistral Large 3Mistral

0.68差 10.1%

Devstral Small (Jul '25)Mistral

0.414差 45.3%

τ² 智能体工具任务越高越好

DeepSeek-Coder-V2DeepSeek

—

North Mini CodeCohere

0.374最优

Mistral Large 3Mistral

0.246差 34.4%

Devstral Small (Jul '25)Mistral

0.284差 24.2%

SciCode 科研编程越高越好

DeepSeek-Coder-V2DeepSeek

—

North Mini CodeCohere

0.388最优

Mistral Large 3Mistral

0.366差 5.7%

Devstral Small (Jul '25)Mistral

—

输出速度中位数越高越好

DeepSeek-Coder-V2DeepSeek

—

North Mini CodeCohere

76.106差 2.6%

Mistral Large 3Mistral

78.116最优

Devstral Small (Jul '25)Mistral

—

条长为同一维度内的 0至100 归一化分数；右侧数字为来源原始值。指数使用原始百分制，速度和延迟按本次所选模型相对归一化。

评测数据来自 Artificial Analysis，本站仅作非官方中文呈现；归一化仅用于当前所选模型的视觉比较，不改变原始值。查看指标口径。

FULL SPECIFICATION

完整指标对照

35 项

指标	DeepSeek-Coder-V2	North Mini Code	Mistral Large 3	Devstral Small (Jul '25)
AA 智能指数 · 越高越好	5.984距最优 39.6%	9.915最优	9.708距最优 2.1%	7.602距最优 23.3%
智能指数评测成本USD · 越低越好	—无数据	0最优	0.104不可计算	—无数据
CritPT 批判性推理 · 越高越好	—无数据	0.003最优	0距最优 100.0%	0距最优 100.0%
GDPval 专业任务 · 越高越好	—无数据	0距最优 100.0%	0.044最优	—无数据
GPQA 科学推理 · 越高越好	—无数据	0.757最优	0.68距最优 10.1%	0.414距最优 45.3%
Humanity’s Last Exam · 越高越好	—无数据	0.111最优	0.042距最优 62.3%	0.038距最优 66.1%
IFBench 指令遵循 · 越高越好	—无数据	0.576最优	0.362距最优 37.1%	0.346距最优 40.0%
LCR 长上下文推理 · 越高越好	—无数据	0.373最优	0.36距最优 3.6%	0.187距最优 50.0%
MMMU-Pro 多模态理解 · 越高越好	—无数据	—无数据	0.557最优	—无数据
Omniscience 综合知识 · 越高越好	—无数据	-48.583距最优 22.8%	-39.567最优	-50.833距最优 28.5%
Omniscience 准确率 · 越高越好	—无数据	0.189距最优 24.2%	0.25最优	0.147距最优 40.9%
Omniscience 非幻觉率 · 越高越好	—无数据	0.168距最优 27.3%	0.14距最优 39.3%	0.231最优
SciCode 科研编程 · 越高越好	—无数据	0.388最优	0.366距最优 5.7%	—无数据
τ² 智能体工具任务 · 越高越好	—无数据	0.374最优	0.246距最优 34.4%	0.284距最优 24.2%
τ-Bench 银行业任务 · 越高越好	—无数据	0.064最优	0.058距最优 9.7%	—无数据
Terminal-Bench Hard · 越高越好	—无数据	0.311最优	0.159距最优 48.8%	0.061距最优 80.5%
输出速度中位数tokens/s · 越高越好	—无数据	76.106距最优 2.6%	78.116最优	—无数据
输出速度 P05tokens/s · 越高越好	—无数据	37.472距最优 30.7%	54.071最优	—无数据
输出速度 P25tokens/s · 越高越好	—无数据	60.166距最优 9.2%	66.287最优	—无数据
输出速度 P75tokens/s · 越高越好	—无数据	85.885距最优 0.4%	86.189最优	—无数据
输出速度 P95tokens/s · 越高越好	—无数据	133.927最优	102.304距最优 23.6%	—无数据
推理耗时中位数秒 · 越低越好	—无数据	26.279最优	—无数据	—无数据
首 token 延迟中位数秒 · 越低越好	—无数据	0.386最优	1.056距最优 173.8%	—无数据
首 token 延迟 P05秒 · 越低越好	—无数据	0.261最优	0.951距最优 264.0%	—无数据
首 token 延迟 P25秒 · 越低越好	—无数据	0.312最优	1.014距最优 225.0%	—无数据
首 token 延迟 P75秒 · 越低越好	—无数据	0.491最优	1.121距最优 128.6%	—无数据
首 token 延迟 P95秒 · 越低越好	—无数据	0.728最优	2.168距最优 197.6%	—无数据
首答案 token 延迟中位数秒 · 越低越好	—无数据	26.665距最优 2425.1%	1.056最优	—无数据
端到端响应中位数秒 · 越低越好	—无数据	33.235距最优 345.7%	7.457最优	—无数据
上下文窗口tokens · 越高越好	128,000距最优 50.0%	256,000最优	256,000最优	256,000最优
Standard 输入价格百万 tokens · 越低越好	—无数据	¥0.0000最优	¥3.3536不可计算	—无数据
Standard 输出价格百万 tokens · 越低越好	—无数据	¥0.0000最优	¥10.0607不可计算	—无数据
Standard 缓存输入价格百万 tokens · 越低越好	—无数据	—无数据	—无数据	—无数据
terminal bench21 · 越高越好	—无数据	0.356最优	0.12距最优 66.3%	—无数据
terminal bench40 · 越高越好	—无数据	0.005最优	0距最优 100.0%	—无数据

人民币价格按服务端汇率 1 USD = 6.7071 CNY 折算，参考日期 2026/9/16。