AI BENCHY Compare

Mistral: Mistral Small 4 vs xAI: Grok 4.20

Resumen

Comparación benchmark de Mistral Small 4 vs Grok 4.20: Mistral Small 4 lidera en puntuación media con 5.1 vs 4.4. Grok 4.20 tiene menor coste de benchmark con $0.057 vs $0.068. Grok 4.20 es más rápido con 1.11s vs 9.40s, con tasas de acierto de 44.4% vs 28.6%.

Modelo recomendado: Mistral Small 4 - Tiene la puntuación más alta en esta comparación (5.1) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica	Mistral Small 4 Mistral Small 4 medium Lanzamiento: 2026-03-16	Grok 4.20 Grok 4.20 none Lanzamiento: 2026-03-31

Métrica	Mistral Small 4 Mistral Small 4 medium Lanzamiento: 2026-03-16	Grok 4.20 Grok 4.20 none Lanzamiento: 2026-03-31
Puntuación	5.1	4.4
Rango	#138	#160
Fiabilidad	10.0	N/D
Consistencia	6.9	8.5
Pruebas correctas
Tasa de aciertos por intento	44.4%	28.6%
Pruebas inestables	8	0
Ejecuciones totales	63	54
Costo por resultado	1.344	1.570
Costo total	$0.068	$0.057
Precio de entrada	$0.150 / 1M	$1.250 / 1M
Precio de salida	$0.600 / 1M	$2.500 / 1M
Total de tokens de entrada	42,576	41,313
Tokens de salida	24,184	1,923
Tokens de razonamiento	84,678	0
Tiempo de respuesta (promedio)	9.40s	1.11s
Tiempo de respuesta (máximo)	59.15s	6.04s
Tiempo de respuesta (total)	197.39s	19.96s

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#138 Mistral Small 4

medium

Coste: $0.006
Tiempo: 47.9s
Tokens: 9,857 tok

#160 xAI: Grok 4.20

none

Coste: $0.004
Tiempo: 6.5s
Tokens: 1,367 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	5.6	3.8	66.7%	3		2.67s	708	4,055	4,778
Grok 4.20	4.8	10.0	25.0%	0		501ms	1,986	267	0

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	4.4	5.1	33.3%	2		39.98s	7,636	11,635	54,715
Grok 4.20	1.1	3.1	0.0%	0		1.22s	1,074	312	0

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	3.0	10.0	0.0%	0		25.25s	18,706	2,612	10,700
Grok 4.20	3.0	10.0	0.0%	0		6.04s	17,673	282	0

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	7.3	5.9	83.3%	1		1.23s	6,171	335	723
Grok 4.20	10.0	10.0	100.0%	0		522ms	7,749	207	0

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	5.3	7.2	44.4%	1		6.11s	742	2,621	6,904
Grok 4.20	3.0	10.0	0.0%	0		687ms	1,746	325	0

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	4.8	10.0	0.0%	0		2.05s	519	821	828
Grok 4.20	4.8	10.0	0.0%	0		659ms	819	83	0

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	7.3	5.8	83.3%	1		1.38s	729	540	1,031
Grok 4.20	6.3	10.0	50.0%	0		445ms	1,350	60	0

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	3.4	9.7	0.0%	0		2.17s	735	1,226	2,632
Grok 4.20	5.3	10.0	33.3%	0		473ms	1,671	198	0

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	10.0	10.0	100.0%	0		3.50s	6,420	321	810
Grok 4.20	10.0	10.0	100.0%	0		4.63s	7,245	189	0

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Mistral Small 4	3.0	10.0	0.0%	0		5.92s	210	18	1,557
Grok 4.20	0.0	0.0	0.0%	0		0ms	0	0	0

Comparación rápida

Cambiar par de comparación