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

Gemma 4 E4B (Reasoning)×DeepSeek-Coder-V2×Devstral Small 2×Command A×

Gemma 4 E4B (Reasoning) / DeepSeek-Coder-V2 / Devstral Small 2 / Command A

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

Gemma 4 E4B (Reasoning)Google

8.915最优

DeepSeek-Coder-V2DeepSeek

5.984差 32.9%

Devstral Small 2Mistral

8.358差 6.3%

Command ACohere

6.958差 21.9%

GPQA 科学推理越高越好

Gemma 4 E4B (Reasoning)Google

0.576最优

DeepSeek-Coder-V2DeepSeek

—

Devstral Small 2Mistral

0.532差 7.5%

Command ACohere

0.527差 8.4%

τ² 智能体工具任务越高越好

Gemma 4 E4B (Reasoning)Google

0.208差 11.3%

DeepSeek-Coder-V2DeepSeek

—

Devstral Small 2Mistral

0.234最优

Command ACohere

0.152差 35.0%

SciCode 科研编程越高越好

Gemma 4 E4B (Reasoning)Google

—

DeepSeek-Coder-V2DeepSeek

—

Devstral Small 2Mistral

0.324最优

Command ACohere

—

输出速度中位数越高越好

Gemma 4 E4B (Reasoning)Google

44.41差 66.1%

DeepSeek-Coder-V2DeepSeek

—

Devstral Small 2Mistral

130.953最优

Command ACohere

57.404差 56.2%

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	Gemma 4 E4B (Reasoning)	DeepSeek-Coder-V2	Devstral Small 2	Command A
AA 智能指数 · 越高越好	8.915最优	5.984距最优 32.9%	8.358距最优 6.3%	6.958距最优 21.9%
智能指数评测成本USD · 越低越好	—无数据	—无数据	0最优	—无数据
CritPT 批判性推理 · 越高越好	0.006最优	—无数据	0距最优 100.0%	0距最优 100.0%
GDPval 专业任务 · 越高越好	0距最优 100.0%	—无数据	0.09最优	—无数据
GPQA 科学推理 · 越高越好	0.576最优	—无数据	0.532距最优 7.5%	0.527距最优 8.4%
Humanity’s Last Exam · 越高越好	0.038距最优 6.9%	—无数据	0.035距最优 13.8%	0.04最优
IFBench 指令遵循 · 越高越好	0.442最优	—无数据	0.312距最优 29.5%	0.365距最优 17.5%
LCR 长上下文推理 · 越高越好	0.32最优	—无数据	0.28距最优 12.5%	0.213距最优 33.3%
MMMU-Pro 多模态理解 · 越高越好	0.514最优	—无数据	0.446距最优 13.2%	—无数据
Omniscience 综合知识 · 越高越好	-19.7最优	—无数据	-57.7距最优 192.9%	-48.267距最优 145.0%
Omniscience 准确率 · 越高越好	0.086距最优 47.6%	—无数据	0.158距最优 3.6%	0.164最优
Omniscience 非幻觉率 · 越高越好	0.691最优	—无数据	0.127距最优 81.6%	0.227距最优 67.2%
SciCode 科研编程 · 越高越好	—无数据	—无数据	0.324最优	—无数据
τ² 智能体工具任务 · 越高越好	0.208距最优 11.3%	—无数据	0.234最优	0.152距最优 35.0%
τ-Bench 银行业任务 · 越高越好	—无数据	—无数据	0.107最优	—无数据
Terminal-Bench Hard · 越高越好	0.083距最优 50.0%	—无数据	0.167最优	0.008距最优 95.5%
输出速度中位数tokens/s · 越高越好	44.41距最优 66.1%	—无数据	130.953最优	57.404距最优 56.2%
输出速度 P05tokens/s · 越高越好	21.396距最优 71.5%	—无数据	75.171最优	23.002距最优 69.4%
输出速度 P25tokens/s · 越高越好	36.763距最优 62.5%	—无数据	98.163最优	37.109距最优 62.2%
输出速度 P75tokens/s · 越高越好	50.246距最优 66.9%	—无数据	151.973最优	64.2距最优 57.8%
输出速度 P95tokens/s · 越高越好	57.009距最优 67.3%	—无数据	174.142最优	72.751距最优 58.2%
推理耗时中位数秒 · 越低越好	45.035最优	—无数据	—无数据	—无数据
首 token 延迟中位数秒 · 越低越好	0.865最优	—无数据	2.293距最优 165.0%	1.819距最优 110.3%
首 token 延迟 P05秒 · 越低越好	0.727最优	—无数据	2.127距最优 192.6%	1.544距最优 112.5%
首 token 延迟 P25秒 · 越低越好	0.789最优	—无数据	2.216距最优 180.9%	1.7距最优 115.5%
首 token 延迟 P75秒 · 越低越好	0.982最优	—无数据	2.732距最优 178.3%	2.294距最优 133.6%
首 token 延迟 P95秒 · 越低越好	1.205最优	—无数据	5.697距最优 372.9%	2.942距最优 144.2%
首答案 token 延迟中位数秒 · 越低越好	45.9距最优 2422.8%	—无数据	2.293距最优 26.0%	1.819最优
端到端响应中位数秒 · 越低越好	57.159距最优 835.4%	—无数据	6.111最优	10.53距最优 72.3%
上下文窗口tokens · 越高越好	128,000距最优 50.0%	128,000距最优 50.0%	256,000最优	256,000最优
Standard 输入价格百万 tokens · 越低越好	¥0.1341不可计算	—无数据	¥0.0000最优	¥16.7678不可计算
Standard 输出价格百万 tokens · 越低越好	¥0.6707不可计算	—无数据	¥0.0000最优	¥67.0712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	—无数据
terminal bench21 · 越高越好	0.019距最优 93.7%	—无数据	0.296最优	—无数据
terminal bench40 · 越高越好	—无数据	—无数据	0最优	—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。