Modellvergleich
Phi-4
vs. Qwen3.5 2B (Non-reasoning)
Vergleich von 2 KI-Modellen · 12 Benchmarks · Microsoft, Alibaba
Empfehlung
AlQwen3.5 2B (Non-reasoning)9 Metrik-SiegeStaerkste Bereiche: Eingabepreis, Ausgabepreis, TTFT
Niedrigster Preis
Qwen3.5 2B (Non-reasoning)
$0.00/1M Eingabepreis
Bestes Reasoning
Phi-4
28.3 Reasoning-Score
Kombiniert verfuegbare Reasoning-Benchmarks
Bestes Coding
Qwen3.5 2B (Non-reasoning)
2.4 Coding-Index
Composite Indices
Higher is better; speed and price are normalized
Standard Benchmarks
Only benchmarks with data are shown
Wichtige Unterschiede
Preisunterschied
Qwen3.5 2B (Non-reasoning) ist ∞x guenstiger bei Eingabetokens als Phi-4.
Reasoning-Unterschied
Phi-4 liegt 10.2 Punkte vor Qwen3.5 2B (Non-reasoning) beim Reasoning.
Top-Wahl-Begruendung
Qwen3.5 2B (Non-reasoning) gewinnt 9 messbare Kategorien, darunter Eingabepreis, Ausgabepreis, TTFT, Latenz.
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
—
Qwen3.5 2B (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 Qwen3.5 2B (Non-reasoning) |
|---|---|---|
| Preise pro 1 Mio. Tokens | ||
| Input-Kosten | $0.13/1M | $0.00/1M |
| Output-Kosten | $0.50/1M | $0.00/1M |
| Gemischt (3:1) | $0.22/1M | — |
| Spezifikationen | ||
| Anbieter | Microsoft | Alibaba |
| Veröffentlichung | 12. Dez. 2024 | 2. März 2026 |
| Leistung & Geschwindigkeit | ||
| Durchsatz | 33.1 tok/s | — |
| TTFT | 497ms | — |
| Latenz | 497ms | — |
| Composite-Indizes | ||
| Wert-Score | 100.0 | — |
| Reasoning-Score | 28.3 | 18.1 |
| Intelligenz | 4.9 | 5.6 |
| Coding | — | 2.4 |
| Mathe | 18.0 | — |
| Standard-Benchmarks | ||
| GPQA | 57.5% | 43.8% |
| MMLU Pro | 71.4% | — |
| HLE | 4.1% | 4.9% |
| LiveCodeBench | 23.1% | — |
| MATH 500 | 81.0% | — |
| AIME 2025 | 18.0% | — |
| AIME (Original) | 14.3% | — |
| SciCode | 26.0% | 7.2% |
| LCR | 0.0% | 13.7% |
| IFBench | 23.5% | 29.1% |
| TAU-bench v2 | 0.0% | 81.6% |
| TerminalBench Hard | 3.8% | 3.8% |
Wichtigste Erkenntnisse
Qwen3.5 2B (Non-reasoning) bietet das beste Preis-Leistungs-Verhaeltnis mit $0.00/1M,ideal fuer volumenstarke Anwendungen und kostenbewusste Projekte.
Phi-4 hat das staerkste Reasoning-Profil mit 28.3 Reasoning-Score,basierend auf den verfuegbaren Reasoning-Benchmarks.
Qwen3.5 2B (Non-reasoning) erreicht einen 2.4 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
Phi-4
- Komplexe Reasoning-Aufgaben
- Forschung und Analyse
Qwen3.5 2B (Non-reasoning)
- Kostensensitive Anwendungen
- Hohe Verarbeitungslast
- Code-Generierung
- Softwareentwicklung
