Modellvergleich
7B Instruct
vs. Qwen3.5 0.8B (Non-reasoning)
Vergleich von 2 KI-Modellen · 11 Benchmarks · Mistral, Alibaba
Empfehlung
Al Qwen3.5 0.8B (Non-reasoning) 14 Metrik-Siege Staerkste Bereiche: Preis-Leistung, Eingabepreis, Ausgabepreis
Bester Wert
Qwen3.5 0.8B (Non-reasoning)
100.0 Wert-Score
12.8 Reasoning / $0.02/1M
Niedrigster Preis
Qwen3.5 0.8B (Non-reasoning)
$0.01/1M Eingabepreis
Bestes Reasoning
Qwen3.5 0.8B (Non-reasoning)
12.8 Reasoning-Score
Kombiniert verfuegbare Reasoning-Benchmarks
Bestes Coding
Qwen3.5 0.8B (Non-reasoning)
1.0 Coding-Index
Composite Indices
Higher is better; speed and price are normalized
Standard Benchmarks
Only benchmarks with data are shown
Wichtige Unterschiede
Bester Wert
Qwen3.5 0.8B (Non-reasoning) bietet den besten Qualitaets-Preis-Mix mit 100.0 von 100 Wertpunkten.
Preisunterschied
Qwen3.5 0.8B (Non-reasoning) ist 20x guenstiger bei Eingabetokens als 7B Instruct.
Geschwindigkeitsunterschied
7B Instruct generiert etwa 1,6x so viele Tokens pro Sekunde wie Qwen3.5 0.8B (Non-reasoning).
Reasoning-Unterschied
Qwen3.5 0.8B (Non-reasoning) liegt 4.5 Punkte vor 7B Instruct beim Reasoning.
Top-Wahl-Begruendung
Qwen3.5 0.8B (Non-reasoning) gewinnt 14 messbare Kategorien, darunter Preis-Leistung, Eingabepreis, Ausgabepreis, Gemischter Preis.
Response Face-Off
Sende einen Prompt an die ausgewaehlten Modelle und vergleiche Antwortqualitaet mit Live-Metriken zu Tempo und Kosten.
7B Instruct
Mistral
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Qwen3.5 0.8B (Non-reasoning)
Alibaba
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Welche Antwort war nuetzlicher?
Vollständiger Vergleich
| Metrik | Mi 7B Instruct | Top-Wahl Al Qwen3.5 0.8B (Non-reasoning) |
|---|---|---|
| Preise pro 1 Mio. Tokens | ||
| Input-Kosten | $0.20/1M | $0.01/1M |
| Output-Kosten | $0.23/1M | $0.05/1M |
| Gemischt (3:1) | $0.21/1M | $0.02/1M |
| Spezifikationen | ||
| Anbieter | Mistral | Alibaba |
| Veröffentlichung | 27. Sept. 2023 | 2. März 2026 |
| Leistung & Geschwindigkeit | ||
| Durchsatz | 92.0 tok/s | 56.1 tok/s |
| TTFT | 369ms | 299ms |
| Latenz | 369ms | 299ms |
| Composite-Indizes | ||
| Wert-Score | 6.3 | 100.0 |
| Reasoning-Score | 8.3 | 12.8 |
| Intelligenz | 7.4 | 9.9 |
| Coding | — | 1.0 |
| Standard-Benchmarks | ||
| GPQA | 17.7% | 23.6% |
| MMLU Pro | 24.5% | — |
| HLE | 4.3% | 4.9% |
| LiveCodeBench | 4.6% | — |
| MATH 500 | 12.1% | — |
| AIME (Original) | 0.0% | — |
| SciCode | 2.4% | 2.9% |
| LCR | 0.0% | 6.7% |
| IFBench | 19.9% | 21.6% |
| TAU-bench v2 | 0.0% | 65.2% |
| TerminalBench Hard | — | 0.0% |
Wichtigste Erkenntnisse
Qwen3.5 0.8B (Non-reasoning) bietet das beste Preis-Leistungs-Verhaeltnis mit $0.01/1M, ideal fuer volumenstarke Anwendungen und kostenbewusste Projekte.
Qwen3.5 0.8B (Non-reasoning) hat das staerkste Reasoning-Profil mit 12.8 Reasoning-Score, basierend auf den verfuegbaren Reasoning-Benchmarks.
Qwen3.5 0.8B (Non-reasoning) erreicht einen 1.0 Coding-Index, und ist damit eine Top-Wahl fuer Softwareentwicklung und Code-Generierung.
Alle Modelle unterstuetzen Kontextfenster von ∞+ Tokens, geeignet fuer lange Dokumente und ausgedehnte Gespraeche.
Wann welches Modell sinnvoll ist
7B Instruct
- Allgemeine KI
- Vielseitige Anwendungen
Qwen3.5 0.8B (Non-reasoning)
- Kostensensitive Anwendungen
- Hohe Verarbeitungslast
- Komplexe Reasoning-Aufgaben
- Forschung und Analyse
- Code-Generierung
- Softwareentwicklung
