- स्कोर
- 9.4 (+3.64 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.183 · 36.9% सस्ता
- प्रतिक्रिया समय (औसत)
- 6.24s · 69.4% तेज़
सारांश
Mistral Large 4 AI BENCHY पर 5.7 स्कोर करता है और #369 पर है। इसकी reliability 9.7, pass rate 31.9%, कुल लागत $0.290, और औसत response time 20.43s है।
Mistral Large 4 को अलग क्या बनाता है: यह स्वायत्त एजेंट कार्य में सबसे अलग दिखता है, जहाँ इसकी रैंक #3 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #14 पर है।
सुझाए गए विकल्प
हम इसकी जगह इनमें से एक मॉडल चुनने की सलाह देते हैं:
- स्कोर
- 8.6 (+2.86 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.061 · 79.1% सस्ता
- प्रतिक्रिया समय (औसत)
- 7.51s · 63.2% तेज़
- स्कोर
- 8.3 (+2.55 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.047 · 83.8% सस्ता
- प्रतिक्रिया समय (औसत)
- 18.07s · 11.6% तेज़
मॉडल विवरण
शोध की तारीख: 2026-10-06
- पैरामीटर
- 1.05T कुल (49B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
5.7
संगति
9.3
9.7
$0.290
कुल आउटपुट टोकन
54,388
कुल इनपुट टोकन
257,872
इनपुट कीमत
$0.680 / 1M
आउटपुट कीमत
$2.090 / 1M
कैश पढ़ने की कीमत
$0.070 / 1M
कैश लिखने की कीमत
लागू नहीं
कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।
अस्थिर टेस्ट
2
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#369 Mistral Large 4
none- लागत
- $0.005
- समय
- 33.0s
- टोकन
- 2,461 tok
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-10-06 18:09 दोबारा परीक्षण | 5.7 | 9.7 | $0.290 | वर्तमान रन | |
| 2026-10-06 15:23 पहला रन | 5.5 | 9.9 | $0.353 | तुलना करें |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-06 18:09 · वर्तमान रन | 69/69 प्रयास | 5.7 | 9.3 | 9.7 | 6/23 | 2 | 54,388 | 257,872 | $0.290 | 20.43s |
| 2026-10-06 15:23 · पहला रन | 69/69 प्रयास | 5.5 | 8.8 | 9.9 | 5/23 | 4 | 84,218 | 259,048 | $0.353 | 28.46s |
| अंतर | — | +0.2 | +0.5 | -0.2 | +1 | -2 | -29830 | -1176 | -$0.064 | -8026ms |
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 6.1 | 3.1 | |
| एंटी-एआई ट्रिक्स | 3.6 | 10.0 | |
| कोडिंग | 4.7 | 7.5 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 5.3 | 10.0 | |
| निर्देश पालन | 6.5 | 10.0 | |
| पहेली समाधान | 7.9 | 9.9 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |