Modellvergleich
Phi-4
vs. Qwen3 32B (Non-reasoning)
Vergleich von 2 KI-Modellen · 12 Benchmarks · Microsoft, Alibaba
Empfehlung
AlQwen3 32B (Non-reasoning)12 Metrik-SiegeStaerkste Bereiche: Durchsatz, Reasoning, Intelligenz
Bester Wert
Phi-4
100.0 Wert-Score
28.3 Reasoning / $0.22/1M
Niedrigster Preis
Phi-4
$0.13/1M Eingabepreis
Bestes Reasoning
Qwen3 32B (Non-reasoning)
31.9 Reasoning-Score
Kombiniert verfuegbare Reasoning-Benchmarks
Composite Indices
Higher is better; speed and price are normalized
Standard Benchmarks
Only benchmarks with data are shown
Wichtige Unterschiede
Bester Wert
Phi-4 bietet den besten Qualitaets-Preis-Mix mit 100.0 von 100 Wertpunkten.
Preisunterschied
Phi-4 ist 5,6x guenstiger bei Eingabetokens als Qwen3 32B (Non-reasoning).
Geschwindigkeitsunterschied
Qwen3 32B (Non-reasoning) generiert etwa 3,0x so viele Tokens pro Sekunde wie Phi-4.
Reasoning-Unterschied
Qwen3 32B (Non-reasoning) liegt 3.6 Punkte vor Phi-4 beim Reasoning.
Top-Wahl-Begruendung
Qwen3 32B (Non-reasoning) gewinnt 12 messbare Kategorien, darunter Durchsatz, Reasoning, Intelligenz, Mathe.
Response Face-Off
Sende einen Prompt an die ausgewaehlten Modelle und vergleiche Antwortqualitaet mit Live-Metriken zu Tempo und Kosten.
Phi-4
Microsoft
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Qwen3 32B (Non-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 | Mi Phi-4 | Top-Wahl Al Qwen3 32B (Non-reasoning) |
|---|---|---|
| Preise pro 1 Mio. Tokens | ||
| Input-Kosten | $0.13/1M | $0.70/1M |
| Output-Kosten | $0.50/1M | $2.80/1M |
| Gemischt (3:1) | $0.22/1M | $1.22/1M |
| Spezifikationen | ||
| Anbieter | Microsoft | Alibaba |
| Veröffentlichung | 12. Dez. 2024 | 28. Apr. 2025 |
| Leistung & Geschwindigkeit | ||
| Durchsatz | 33.1 tok/s | 99.1 tok/s |
| TTFT | 497ms | 1076ms |
| Latenz | 497ms | 1076ms |
| Composite-Indizes | ||
| Wert-Score | 100.0 | 20.1 |
| Reasoning-Score | 28.3 | 31.9 |
| Intelligenz | 4.9 | 8.6 |
| Mathe | 18.0 | 19.7 |
| Standard-Benchmarks | ||
| GPQA | 57.5% | 53.5% |
| MMLU Pro | 71.4% | 72.7% |
| HLE | 4.1% | 4.3% |
| LiveCodeBench | 23.1% | 28.8% |
| MATH 500 | 81.0% | 86.9% |
| AIME 2025 | 18.0% | 19.7% |
| AIME (Original) | 14.3% | 30.3% |
| SciCode | 26.0% | 28.0% |
| LCR | 0.0% | 0.0% |
| IFBench | 23.5% | 31.5% |
| TAU-bench v2 | 0.0% | — |
| TerminalBench Hard | 3.8% | — |
Wichtigste Erkenntnisse
Phi-4 bietet das beste Preis-Leistungs-Verhaeltnis mit $0.13/1M,ideal fuer volumenstarke Anwendungen und kostenbewusste Projekte.
Qwen3 32B (Non-reasoning) hat das staerkste Reasoning-Profil mit 31.9 Reasoning-Score,basierend auf den verfuegbaren Reasoning-Benchmarks.
Alle Modelle unterstuetzen Kontextfenster von ∞+ Tokens,geeignet fuer lange Dokumente und ausgedehnte Gespraeche.
Wann welches Modell sinnvoll ist
Phi-4
- Kostensensitive Anwendungen
- Hohe Verarbeitungslast
Qwen3 32B (Non-reasoning)
- Komplexe Reasoning-Aufgaben
- Forschung und Analyse
