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

o1-mini×North Mini Code×Devstral 2×Phi-4 Mini Instruct×

o1-mini / North Mini Code / Devstral 2 / Phi-4 Mini Instruct

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

o1-miniOpenAI

9.771差 1.5%

North Mini CodeCohere

9.915最优

Devstral 2Mistral

9.406差 5.1%

Phi-4 Mini InstructMicrosoft

6.329差 36.2%

GPQA 科学推理越高越好

o1-miniOpenAI

0.603差 20.3%

North Mini CodeCohere

0.757最优

Devstral 2Mistral

0.594差 21.5%

Phi-4 Mini InstructMicrosoft

0.331差 56.2%

τ² 智能体工具任务越高越好

o1-miniOpenAI

—

North Mini CodeCohere

0.374最优

Devstral 2Mistral

0.249差 33.6%

Phi-4 Mini InstructMicrosoft

0.082差 78.1%

SciCode 科研编程越高越好

o1-miniOpenAI

—

North Mini CodeCohere

0.388最优

Devstral 2Mistral

0.328差 15.5%

Phi-4 Mini InstructMicrosoft

—

输出速度中位数越高越好

o1-miniOpenAI

—

North Mini CodeCohere

77.278差 44.6%

Devstral 2Mistral

139.452最优

Phi-4 Mini InstructMicrosoft

45.485差 67.4%

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

34 项

指标	o1-mini	North Mini Code	Devstral 2	Phi-4 Mini Instruct
AA 智能指数 · 越高越好	9.771距最优 1.5%	9.915最优	9.406距最优 5.1%	6.329距最优 36.2%
智能指数评测成本USD · 越低越好	—无数据	0最优	0最优	—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%	0.094最优	0距最优 100.0%
GPQA 科学推理 · 越高越好	0.603距最优 20.3%	0.757最优	0.594距最优 21.5%	0.331距最优 56.2%
Humanity’s Last Exam · 越高越好	0.036距最优 67.8%	0.111最优	0.036距最优 67.8%	0.045距最优 59.8%
IFBench 指令遵循 · 越高越好	—无数据	0.576最优	0.381距最优 33.8%	0.211距最优 63.4%
LCR 长上下文推理 · 越高越好	—无数据	0.373最优	0.323距最优 13.4%	0.153距最优 58.9%
Omniscience 综合知识 · 越高越好	—无数据	-48.583距最优 4.0%	-46.7最优	-61.083距最优 30.8%
Omniscience 准确率 · 越高越好	—无数据	0.189距最优 9.2%	0.208最优	0.095距最优 54.4%
Omniscience 非幻觉率 · 越高越好	—无数据	0.168距最优 23.7%	0.147距最优 33.1%	0.22最优
SciCode 科研编程 · 越高越好	—无数据	0.388最优	0.328距最优 15.5%	—无数据
τ² 智能体工具任务 · 越高越好	—无数据	0.374最优	0.249距最优 33.6%	0.082距最优 78.1%
τ-Bench 银行业任务 · 越高越好	—无数据	0.064距最优 39.2%	0.105最优	—无数据
Terminal-Bench Hard · 越高越好	—无数据	0.311最优	0.189距最优 39.0%	0距最优 100.0%
输出速度中位数tokens/s · 越高越好	—无数据	77.278距最优 44.6%	139.452最优	45.485距最优 67.4%
输出速度 P05tokens/s · 越高越好	—无数据	38.279距最优 51.5%	78.861最优	42.291距最优 46.4%
输出速度 P25tokens/s · 越高越好	—无数据	59.187距最优 44.1%	105.831最优	43.814距最优 58.6%
输出速度 P75tokens/s · 越高越好	—无数据	85.885距最优 45.4%	157.289最优	46.123距最优 70.7%
输出速度 P95tokens/s · 越高越好	—无数据	130.425距最优 31.9%	191.591最优	47.124距最优 75.4%
推理耗时中位数秒 · 越低越好	—无数据	25.881最优	—无数据	—无数据
首 token 延迟中位数秒 · 越低越好	—无数据	0.382最优	2.32距最优 507.1%	0.902距最优 135.9%
首 token 延迟 P05秒 · 越低越好	—无数据	0.276最优	2.127距最优 669.9%	0.828距最优 199.8%
首 token 延迟 P25秒 · 越低越好	—无数据	0.314最优	2.231距最优 611.1%	0.857距最优 173.3%
首 token 延迟 P75秒 · 越低越好	—无数据	0.464最优	3.033距最优 554.0%	0.944距最优 103.6%
首 token 延迟 P95秒 · 越低越好	—无数据	0.728最优	4.262距最优 485.2%	1.723距最优 136.6%
首答案 token 延迟中位数秒 · 越低越好	—无数据	26.263距最优 2813.3%	2.32距最优 157.3%	0.902最优
端到端响应中位数秒 · 越低越好	—无数据	32.733距最优 454.3%	5.905最优	11.894距最优 101.4%
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	128,000距最优 50.0%
Standard 输入价格百万 tokens · 越低越好	—无数据	¥0.0000最优	¥0.0000最优	¥0.0000最优
Standard 输出价格百万 tokens · 越低越好	—无数据	¥0.0000最优	¥0.0000最优	¥0.0000最优
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	0.303距最优 14.7%	0.004距最优 98.9%
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 = 6.7075 CNY 折算，参考日期 2026/9/17。