Modellvergleich
o4-mini (high)
vs. Qwen3 235B A22B 2507 (Reasoning)
Vergleich von 2 KI-Modellen · 12 Benchmarks · OpenAI, Alibaba
Empfehlung
Opo4-mini (high)14 Metrik-SiegeStaerkste Bereiche: Preis-Leistung, Ausgabepreis, Gemischter Preis
Bester Wert
o4-mini (high)
100.0 Wert-Score
70.8 Reasoning / $1.93/1M
Niedrigster Preis
Qwen3 235B A22B 2507 (Reasoning)
$0.70/1M Eingabepreis
Bestes Reasoning
o4-mini (high)
70.8 Reasoning-Score
Kombiniert verfuegbare Reasoning-Benchmarks
Bestes Coding
Qwen3 235B A22B 2507 (Reasoning)
22.1 Coding-Index
Composite Indices
Higher is better; speed and price are normalized
Standard Benchmarks
Only benchmarks with data are shown
Wichtige Unterschiede
Bester Wert
o4-mini (high) bietet den besten Qualitaets-Preis-Mix mit 100.0 von 100 Wertpunkten.
Preisunterschied
Qwen3 235B A22B 2507 (Reasoning) ist 1,6x guenstiger bei Eingabetokens als o4-mini (high).
Geschwindigkeitsunterschied
o4-mini (high) generiert etwa 2,9x so viele Tokens pro Sekunde wie Qwen3 235B A22B 2507 (Reasoning).
Reasoning-Unterschied
o4-mini (high) liegt 1.1 Punkte vor Qwen3 235B A22B 2507 (Reasoning) beim Reasoning.
Top-Wahl-Begruendung
o4-mini (high) gewinnt 14 messbare Kategorien, darunter Preis-Leistung, Ausgabepreis, Gemischter Preis, Durchsatz.
Response Face-Off
Sende einen Prompt an die ausgewaehlten Modelle und vergleiche Antwortqualitaet mit Live-Metriken zu Tempo und Kosten.
o4-mini (high)
OpenAI
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Qwen3 235B A22B 2507 (Reasoning)
Alibaba
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Welche Antwort war nuetzlicher?
Mit führenden KI-Modellen chatten
Nutze Claude, ChatGPT und Gemini zusammen mit EU-gehosteten Modellen wie Deepseek, Qwen und Kimi.
EU-gehostete Inferenz
Server in Deutschland und Finnland. Entwickelt fuer strenge GDPR- und ISO-27001-Compliance-Anforderungen.
Vollständiger Vergleich
| Metrik | Top-Wahl Op o4-mini (high) | Al Qwen3 235B A22B 2507 (Reasoning) |
|---|---|---|
| Preise pro 1 Mio. Tokens | ||
| Input-Kosten | $1.10/1M | $0.70/1M |
| Output-Kosten | $4.40/1M | $8.40/1M |
| Gemischt (3:1) | $1.93/1M | $2.63/1M |
| Spezifikationen | ||
| Anbieter | OpenAI | Alibaba |
| Veröffentlichung | 16. Apr. 2025 | 25. Juli 2025 |
| Leistung & Geschwindigkeit | ||
| Durchsatz | 197.0 tok/s | 68.3 tok/s |
| TTFT | 19206ms | 1326ms |
| Latenz | 19206ms | 30596ms |
| Composite-Indizes | ||
| Wert-Score | 100.0 | 72.2 |
| Reasoning-Score | 70.8 | 69.7 |
| Intelligenz | 25.6 | 19.6 |
| Coding | — | 22.1 |
| Mathe | 90.7 | 91.0 |
| Standard-Benchmarks | ||
| GPQA | 78.4% | 79.0% |
| MMLU Pro | 83.2% | 84.3% |
| HLE | 17.5% | 15.0% |
| LiveCodeBench | 85.9% | 78.8% |
| MATH 500 | 98.9% | 98.4% |
| AIME 2025 | 90.7% | 91.0% |
| AIME (Original) | 94.0% | 94.0% |
| SciCode | 46.5% | 42.4% |
| LCR | 55.0% | 67.0% |
| IFBench | 68.7% | 51.2% |
| TAU-bench v2 | 55.6% | 53.2% |
| TerminalBench Hard | 15.2% | 13.6% |
Wichtigste Erkenntnisse
Qwen3 235B A22B 2507 (Reasoning) bietet das beste Preis-Leistungs-Verhaeltnis mit $0.70/1M,ideal fuer volumenstarke Anwendungen und kostenbewusste Projekte.
o4-mini (high) hat das staerkste Reasoning-Profil mit 70.8 Reasoning-Score,basierend auf den verfuegbaren Reasoning-Benchmarks.
Qwen3 235B A22B 2507 (Reasoning) erreicht einen 22.1 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
o4-mini (high)
- Komplexe Reasoning-Aufgaben
- Forschung und Analyse
Qwen3 235B A22B 2507 (Reasoning)
- Kostensensitive Anwendungen
- Hohe Verarbeitungslast
- Code-Generierung
- Softwareentwicklung
