BenchLeader

Mistral Large 4.0 OSS vs Qwen3.5-35B-A3B

完整资料:Mistral Large 4.0 OSS(Mistral AI)和 Qwen3.5-35B-A3B(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 5 个来源

截至 2026年11月16日,两者共同的基准测试太少,无法判断质量高下。在两者都有成绩的所有类别中,Mistral Large 4.0 OSS 均领先。

要点(截至 2026年11月16日)

  • Qwen3.5-35B-A3B 每百万 token 混合价格为 $0.688(标价,2026年11月16日)。
  • 在两者都有结果的 2 项基准测试中,Mistral Large 4.0 OSS 领先 2 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
数学Mistral Large 4.0 OSS类别得分 66 比 47;OTIS Mock AIME 99.4% 比 54.4%高
推理Mistral Large 4.0 OSS类别得分 64 比 59;GPQA Diamond 90.2% 比 83.5%中
对话质量(人类偏好)–只有 Qwen3.5-35B-A3B 有 Arena 评分(类别得分 56)无法比较
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 共同的基准测试太少,无法给出结论。
  • Mistral Large 4.0 OSS (high) 在数学、推理方面更强。

概览

规格Mistral Large 4.0 OSSQwen3.5-35B-A3B
提供商Mistral AIAlibaba
发布日期2026年10月29日2026年2月24日
上下文窗口(token)–262,144
对比时的配置Mistral Large 4.0 OSS (high)Qwen3.5-35B-A3B
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)–$0.250 / $2.00 / $0.050

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Mistral Large 4.0 OSS (high)Qwen3.5-35B-A3B领先者
推理64.258.7Mistral Large 4.0 OSS
编程–37.3无法比较
数学66.447.0Mistral Large 4.0 OSS
知识34.1–无法比较
人类偏好–56.4无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学知识人类偏好Mistral Large 4.0 OSS, 推理: 64.2Mistral Large 4.0 OSS, 数学: 66.4Mistral Large 4.0 OSS, 知识: 34.1Qwen3.5-35B-A3B, 推理: 58.7Qwen3.5-35B-A3B, 编程: 37.3Qwen3.5-35B-A3B, 数学: 47.0Qwen3.5-35B-A3B, 人类偏好: 56.4

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):智能体与工具, 指令遵循, 长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 2 项基准测试中,Mistral Large 4.0 OSS 领先 2 项,Qwen3.5-35B-A3B 领先 0 项。

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Mistral Large 4.0 OSS (high)Qwen3.5-35B-A3B
每百万 token 混合价格–$0.688
每百万 token 输入 / 输出– / –$0.250 / $2.00
每百万 token 缓存输入–$0.050
每项任务价格:聊天回复–$0.0007
每项任务价格:总结一份 30 页的报告–$0.0042
每项任务价格:代码编辑–$0.0045
每项任务价格:智能体编程会话–$0.023
每项任务价格:结构化信息提取–$0.0009
智能体编程会话(输入大多命中缓存)–$0.014
输出速度–27 tok/s
首次回答时间–0.5 秒

每个模型都按其排名最高的推理强度设置进行对比。Mistral Large 4.0 OSS (high)。Qwen3.5-35B-A3B 得分 49.9,首个回答 token 需 1 秒;Qwen3.5-35B-A3B (无推理) 为 47.5(4 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 41 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Mistral Large 4.0 OSS (high)Qwen3.5-35B-A3B
BenchLeader IndexBenchLeader–49.9
知识得分BenchLeader34.1–
数学得分BenchLeader66.447.0
推理得分BenchLeader64.258.7
编程得分BenchLeader–37.3
人类偏好得分BenchLeader–56.4
混合价格(美元/百万 token)BenchLeader–$0.688
输出速度BenchLeader–27 tok/s
首次回答时间BenchLeader–0.5 秒
上下文窗口BenchLeader–262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.2%83.5%
Arena Hard PromptsArena (LMArena)–1412
GPQA Diamond (AA)Artificial Analysis–81.9%†
Humanity's Last Exam (AA)Artificial Analysis–13.4%†
CritPtArtificial Analysis–0.6%†
Arena ExpertArena (LMArena)–1420
Chess PuzzlesEpoch AI Benchmarking Hub29.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub20.0%–
LMCAEpoch AI Benchmarking Hub–29.5%
DTBenchEpoch AI Benchmarking Hub–80.0%
编程
SciCodeSciCode–29.3%†
Arena CodingArena (LMArena)–1435
Arena WebDevArena (LMArena)–1253
ALE-BenchEpoch AI Benchmarking Hub–221.8
Terminal-Bench 2.1 (AA)Artificial Analysis–40.8%†
智能体与工具
Terminal-Bench HardArtificial Analysis–10.6%†
τ²-Bench Telecom (AA)Artificial Analysis–86.3%†
GDPval-AA v2.1Artificial Analysis–616†
τ³-Banking (AA)Artificial Analysis–5.0%†
ITBench SRE (AA)Artificial Analysis–21.5%†
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub99.4%54.4%
AIME 2026MathArena–93.3%
HMMT February 2026MathArena–81.8%
MathArena ApexMathArena–4.2%
Arena MathsArena (LMArena)–1397
显示全部 41 项基准测试
指标发布方Mistral Large 4.0 OSS (high)Qwen3.5-35B-A3B
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub22.4%–
EBR-benchEpoch AI Benchmarking Hub18.1%–
Global-MMLU-Lite (AA)Artificial Analysis–82.4%†
指令遵循
IFBenchArtificial Analysis–44.5%†
Arena Instruction FollowingArena (LMArena)–1387
人类偏好
Arena TextArena (LMArena)–1394
Arena Creative WritingArena (LMArena)–1342
Arena Multi-turnArena (LMArena)–1394
Arena Longer QueriesArena (LMArena)–1399
多模态
MMMU-ProArtificial Analysis–69.2%†
Furniture AssemblyEpoch AI Benchmarking Hub30.8%–
长上下文
AA-LCR v1.1Artificial Analysis–63.0%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–144.0
AA Intelligence Index v4.3.2Artificial Analysis–15.1†
AA Progress Index v1Artificial Analysis–238.1†
元数据
AA Openness IndexArtificial Analysis–38.9†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

变化

  • Qwen3.5-35B-A3B:价格 $0.15/M → $0.050/M。
  • Qwen3.5-35B-A3B:BenchLeader Index 50.4 → 49.9。
  • Qwen3.5-35B-A3B:1 项新结果(ALE-Bench)。
  • Qwen3.5-35B-A3B:1 项分数修订。
  • Mistral Large 4.0 OSS (high):首批结果。
  • Qwen3.5-35B-A3B:价格 $0.050/M → $0.15/M。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Mistral Large 4.0 OSS vs Qwen3.5-35B-A3B:常见问题

第三方基准测试对 Mistral Large 4.0 OSS 和 Qwen3.5-35B-A3B 的看法一致吗?
在两者都有结果的 2 项基准测试中,Mistral Large 4.0 OSS 领先 2 项,Qwen3.5-35B-A3B 领先 0 项。
Mistral Large 4.0 OSS 是什么时候发布的?
Mistral Large 4.0 OSS 于 2026年10月29日 发布。