AI BENCHY Compare

Mistral: Mistral Small 4 vs OpenAI: gpt-oss-120b

Ringkasan

Perbandingan benchmark Mistral Small 4 (medium) vs gpt-oss-120b: Mistral Small 4 (medium) unggul dalam skor rata-rata dengan 5.1 vs 4.0. gpt-oss-120b memiliki biaya benchmark lebih rendah di $0.010 vs $0.068. Mistral Small 4 (medium) lebih cepat di 9.40s vs 21.61s, dengan tingkat keberhasilan 44.4% vs 34.9%.

Model yang direkomendasikan: Mistral Small 4 (medium) - It has the best score here (5.1), while responding about 2.3x faster than gpt-oss-120b.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-09

Metrik	Mistral Small 4 Mistral Small 4 medium Rilis: 2026-03-16	gpt-oss-120b gpt-oss-120b none Rilis: 2025-08-05 Tersedia gratis

Metrik	Mistral Small 4 Mistral Small 4 medium Rilis: 2026-03-16	gpt-oss-120b gpt-oss-120b none Rilis: 2025-08-05 Tersedia gratis
Skor	5.1	4.0
Peringkat	#152	#183
Keandalan	10.0	10.0
Konsistensi	6.9	8.2
Tes benar
Tingkat lulus per percobaan	44.4%	34.9%
Tes tidak stabil	8	2
Total Run	63	57
Biaya per hasil	1.344	0.168
Total Biaya	$0.068	$0.010
Harga input	$0.150 / 1M	$0.036 / 1M
Harga output	$0.600 / 1M	$0.180 / 1M
Total token input	42,576	9,081
Token output	24,184	51,664
Token penalaran	84,678	0
Waktu respons (rata-rata)	9.40s	21.61s
Waktu respons (maks)	59.15s	113.71s
Waktu respons (total)	197.39s	345.79s

Showcase generasi

Hamster playing table tennis

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

#152 Mistral Small 4

medium

Biaya: $0.006
Waktu: 47.9s
Token: 9,857 tok

#183 gpt-oss-120b

none

Belum ada hasil showcase yang dihasilkan untuk model ini.

Biaya: $0.000
Waktu: -
Token: 0 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	5.6	3.8	66.7%	3		2.67s	708	4,055	4,778
gpt-oss-120b	6.5	10.0	50.0%	0		32.84s	1,336	8,676	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	4.4	5.1	33.3%	2		39.98s	7,636	11,635	54,715
gpt-oss-120b	1.5	4.0	22.2%	1		9.57s	901	3,232	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	3.0	10.0	0.0%	0		25.25s	18,706	2,612	10,700
gpt-oss-120b	3.0	10.0	0.0%	0		0ms	0	0	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	7.3	5.9	83.3%	1		1.23s	6,171	335	723
gpt-oss-120b	6.5	10.0	50.0%	0		7.12s	2,421	598	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	5.3	7.2	44.4%	1		6.11s	742	2,621	6,904
gpt-oss-120b	3.0	10.0	0.0%	0		34.98s	1,294	29,483	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	4.8	10.0	0.0%	0		2.05s	519	821	828
gpt-oss-120b	4.8	10.0	0.0%	0		10.79s	584	615	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	7.3	5.8	83.3%	1		1.38s	729	540	1,031
gpt-oss-120b	9.8	10.0	100.0%	0		5.06s	1,043	1,940	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	3.4	9.7	0.0%	0		2.17s	735	1,226	2,632
gpt-oss-120b	6.0	7.2	55.6%	1		8.21s	1,188	3,982	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	10.0	10.0	100.0%	0		3.50s	6,420	321	810
gpt-oss-120b	3.0	10.0	0.0%	0		0ms	0	0	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Mistral Small 4	3.0	10.0	0.0%	0		5.92s	210	18	1,557
gpt-oss-120b	3.0	10.0	0.0%	0		47.29s	314	3,138	0

Perbandingan Cepat

Ganti Pasangan Perbandingan