- Skor
- 9.4 (+3.64 poin)
- Total biaya (harga saat ini)
- $0.183 · 36.9% lebih murah
- Waktu respons (rata-rata)
- 6.24s · 69.4% lebih cepat
Ringkasan
Mistral Large 4 mendapat skor 5.7 di AI BENCHY dan berada di peringkat #369. Model ini memiliki reliabilitas 9.7, tingkat keberhasilan 31.9%, total biaya $0.290, dan waktu respons rata-rata 20.43s.
Yang membuat Mistral Large 4 unik: Model ini paling menonjol di Tugas agen, dengan peringkat #3, sementara Trik anti-AI adalah area terlemahnya di #14.
Alternatif yang disarankan
Kami menyarankan memilih salah satu model ini sebagai pengganti:
- Skor
- 8.6 (+2.86 poin)
- Total biaya (harga saat ini)
- $0.061 · 79.1% lebih murah
- Waktu respons (rata-rata)
- 7.51s · 63.2% lebih cepat
- Skor
- 8.3 (+2.55 poin)
- Total biaya (harga saat ini)
- $0.047 · 83.8% lebih murah
- Waktu respons (rata-rata)
- 18.07s · 11.6% lebih cepat
Fakta model
Ditelaah pada 2026-10-06
- Parameter
- 1.05T total (49B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Tertutup
- Lisensi
- -
5.7
Konsistensi
9.3
9.7
$0.290
Total token output
54,388
Total token input
257,872
Harga input
$0.680 / 1M
Harga output
$2.090 / 1M
Harga baca cache
$0.070 / 1M
Harga tulis cache
T/A
Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.
Tes tidak stabil
2
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#369 Mistral Large 4
none- Biaya
- $0.005
- Waktu
- 33.0s
- Token
- 2,461 tok
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-10-06 18:09 Uji ulang | 5.7 | 9.7 | $0.290 | Run saat ini | |
| 2026-10-06 15:23 Run awal | 5.5 | 9.9 | $0.353 | Bandingkan |
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-06 18:09 · Run saat ini | 69/69 percobaan | 5.7 | 9.3 | 9.7 | 6/23 | 2 | 54,388 | 257,872 | $0.290 | 20.43s |
| 2026-10-06 15:23 · Run awal | 69/69 percobaan | 5.5 | 8.8 | 9.9 | 5/23 | 4 | 84,218 | 259,048 | $0.353 | 28.46s |
| Selisih | — | +0.2 | +0.5 | -0.2 | +1 | -2 | -29830 | -1176 | -$0.064 | -8026ms |
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
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
Perbandingan Cepat
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Tugas agen | 6.1 | 3.1 | |
| Trik anti-AI | 3.6 | 10.0 | |
| Pemrograman | 4.7 | 7.5 | |
| Gabungan | 3.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 3.0 | 10.0 | |
| Kecerdasan umum | 5.3 | 10.0 | |
| Kepatuhan instruksi | 6.5 | 10.0 | |
| Pemecahan teka-teki | 7.9 | 9.9 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |