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

Devstral Medium×Command A+×Phi-4×DeepSeek V4 Flash 0731 (Reasoning, Max Effort)×

Devstral Medium / Command A+ / Phi-4 / DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

PRICE / CAPABILITY FRONTIER

模型斩杀线坐标

3 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

Devstral MediumMistral

9.006差 73.9%

Command A+Cohere

13.924差 59.7%

Phi-4Microsoft

5.923差 82.8%

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)DeepSeek

34.528最优

GPQA 科学推理越高越好

Devstral MediumMistral

0.492差 45.8%

Command A+Cohere

0.761差 16.2%

Phi-4Microsoft

0.575差 36.7%

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)DeepSeek

0.908最优

τ² 智能体工具任务越高越好

Devstral MediumMistral

0.199差 75.4%

Command A+Cohere

0.807最优

Phi-4Microsoft

0差 100.0%

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)DeepSeek

—

SciCode 科研编程越高越好

Devstral MediumMistral

—

Command A+Cohere

0.385差 23.4%

Phi-4Microsoft

—

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)DeepSeek

0.503最优

输出速度中位数越高越好

Devstral MediumMistral

—

Command A+Cohere

246.96最优

Phi-4Microsoft

36.371差 85.3%

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)DeepSeek

220.465差 10.7%

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	Devstral Medium	Command A+	Phi-4	DeepSeek V4 Flash 0731 (Reasoning, Max Effort)
AA 智能指数 · 越高越好	9.006距最优 73.9%	13.924距最优 59.7%	5.923距最优 82.8%	34.528最优
智能指数评测成本USD · 越低越好	—无数据	0最优	—无数据	0.22不可计算
CritPT 批判性推理 · 越高越好	0距最优 100.0%	0.003距最优 98.3%	0距最优 100.0%	0.166最优
GDPval 专业任务 · 越高越好	—无数据	0.079距最优 83.2%	—无数据	0.471最优
GPQA 科学推理 · 越高越好	0.492距最优 45.8%	0.761距最优 16.2%	0.575距最优 36.7%	0.908最优
Humanity’s Last Exam · 越高越好	0.038距最优 90.3%	0.12距最优 69.0%	0.038距最优 90.2%	0.386最优
IFBench 指令遵循 · 越高越好	0.299距最优 59.5%	0.74最优	0.235距最优 68.2%	—无数据
LCR 长上下文推理 · 越高越好	0.32距最优 59.8%	0.527距最优 33.9%	0距最优 100.0%	0.797最优
MMMU-Pro 多模态理解 · 越高越好	—无数据	0.632最优	—无数据	—无数据
Omniscience 综合知识 · 越高越好	-31.567距最优 685.9%	-4.017最优	-55.7距最优 1286.7%	-14.283距最优 255.6%
Omniscience 准确率 · 越高越好	0.189距最优 53.2%	0.089距最优 78.0%	0.141距最优 65.2%	0.404最优
Omniscience 非幻觉率 · 越高越好	0.378距最优 56.0%	0.858最优	0.188距最优 78.1%	0.083距最优 90.3%
SciCode 科研编程 · 越高越好	—无数据	0.385距最优 23.4%	—无数据	0.504最优
τ² 智能体工具任务 · 越高越好	0.199距最优 75.4%	0.807最优	0距最优 100.0%	—无数据
τ-Bench 银行业任务 · 越高越好	—无数据	0.06距最优 84.8%	—无数据	0.394最优
Terminal-Bench Hard · 越高越好	0.091距最优 63.6%	0.25最优	0.038距最优 84.8%	—无数据
输出速度中位数tokens/s · 越高越好	—无数据	246.96最优	36.371距最优 85.3%	220.465距最优 10.7%
输出速度 P05tokens/s · 越高越好	—无数据	175.728距最优 4.3%	24.665距最优 86.6%	183.689最优
输出速度 P25tokens/s · 越高越好	—无数据	223.794最优	30.791距最优 86.2%	203.132距最优 9.2%
输出速度 P75tokens/s · 越高越好	—无数据	268.83最优	41.532距最优 84.6%	242.457距最优 9.8%
输出速度 P95tokens/s · 越高越好	—无数据	298.295最优	41.864距最优 86.0%	259.675距最优 12.9%
推理耗时中位数秒 · 越低越好	—无数据	8.099最优	—无数据	9.072距最优 12.0%
首 token 延迟中位数秒 · 越低越好	—无数据	0.408最优	2.556距最优 526.5%	1.447距最优 254.7%
首 token 延迟 P05秒 · 越低越好	—无数据	0.338最优	2.351距最优 595.2%	0.821距最优 142.8%
首 token 延迟 P25秒 · 越低越好	—无数据	0.376最优	2.445距最优 550.4%	0.93距最优 147.4%
首 token 延迟 P75秒 · 越低越好	—无数据	0.429最优	2.781距最优 548.3%	1.617距最优 277.0%
首 token 延迟 P95秒 · 越低越好	—无数据	0.817最优	3.153距最优 285.9%	1.947距最优 138.3%
首答案 token 延迟中位数秒 · 越低越好	—无数据	8.507距最优 232.8%	2.556最优	10.519距最优 311.5%
端到端响应中位数秒 · 越低越好	—无数据	10.531最优	16.303距最优 54.8%	12.787距最优 21.4%
上下文窗口tokens · 越高越好	256,000距最优 74.4%	192,000距最优 80.8%	16,000距最优 98.4%	1,000,000最优
Standard 输入价格百万 tokens · 越低越好	—无数据	¥0.0000最优	¥0.8384不可计算	¥2.9511不可计算
Standard 输出价格百万 tokens · 越低越好	—无数据	¥0.0000最优	¥3.3536不可计算	¥8.8534不可计算
Standard 缓存输入价格百万 tokens · 越低越好	—无数据	—无数据	—无数据	¥0.0939最优
terminal bench21 · 越高越好	—无数据	0.229距最优 71.0%	—无数据	0.787最优
terminal bench40 · 越高越好	—无数据	0.005距最优 95.8%	—无数据	0.121最优

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。