Mistral Large 4 (low) vs Qwen3.8 Flash Next (medium)

average score जवळपास समान आहे: 7.6 vs 7.6. Qwen3.8 Flash Next (medium) चा benchmark खर्च कमी आहे: ~$0.047 vs $1.648. Qwen3.8 Flash Next (medium) वेगवान आहे: 24.79s vs 300.15s, pass rates 65.2% vs 75.4%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-06

तुलना केलेली मॉडेल्स

क्रमांक: #119
एकूण आउटपुट टोकन्स: 714,287
प्रतिसाद वेळ (सरासरी): 300.15s
एकूण खर्च: $1.648

क्रमांक: #120
एकूण आउटपुट टोकन्स: 143,965
प्रतिसाद वेळ (सरासरी): 24.79s
एकूण खर्च: ~$0.047

शिफारस केलेले मॉडेल Qwen3.8 Flash Next (medium)

It has the best score here (7.6), while costing about 35.1x less than Mistral Large 4 (low).

तपशीलवार तुलना

मेट्रिक	Mistral Large 4 Mistral Large 4 low प्रकाशन: 2026-10-06	Qwen3.8 Flash Next Qwen3.8 Flash Next medium प्रकाशन: 2026-10-04

मेट्रिक	Mistral Large 4 Mistral Large 4 low प्रकाशन: 2026-10-06	Qwen3.8 Flash Next Qwen3.8 Flash Next medium प्रकाशन: 2026-10-04
स्कोअर	7.6	7.6
क्रमांक	#119	#120
विश्वसनीयता	9.0	10.0
सुसंगतता	8.7	7.9
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	65.2%	75.4%
अस्थिर चाचण्या	4	6
एकूण रन	69	69
प्रति निकाल खर्च	12.670	~0.314
एकूण खर्च	$1.648	~$0.047
इनपुट किंमत	$0.680 / 1M	लागू नाही
आउटपुट किंमत	$2.090 / 1M	लागू नाही
कॅश वाचण्याची किंमत	$0.070 / 1M	लागू नाही
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	226,734	278,792
आउटपुट टोकन्स	278,013	1,695
रिझनिंग टोकन्स	638,296	142,270
प्रतिसाद वेळ (सरासरी)	300.15s	24.79s
प्रतिसाद वेळ (कमाल)	1798.01s	159.62s
प्रतिसाद वेळ (एकूण)	6903.40s	570.26s
पॅरामीटर्स	1.05T एकूण (49B सक्रिय)	180B एकूण (6B सक्रिय)
उपलब्धता	बंद स्रोत	वेट्स उपलब्ध

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#119 Mistral Large 4

low

खर्च: $0.015
वेळ: 115.1s
टोकन्स: 6,915 tok

#120 Qwen3.8 Flash Next

medium

खर्च: ~$0.002
वेळ: 40.7s
टोकन्स: 4,059 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	10.0	10.0	100.0%	0		69.63s	143,243	3,788	3,053
Qwen3.8 Flash Next	4.7	3.1	33.3%	1		159.62s	140,688	51	35,597

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	8.3	10.0	75.0%	0		19.75s	705	999	9,354
Qwen3.8 Flash Next	10.0	10.0	100.0%	0		1.81s	672	273	1,804

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	3.4	7.2	22.2%	1		1379.72s	5,896	129,426	386,126
Qwen3.8 Flash Next	10.0	10.0	100.0%	0		45.53s	7,893	346	37,643

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	10.0	10.0	100.0%	0		556.27s	60,360	5,603	60,531
Qwen3.8 Flash Next	6.4	5.8	66.7%	1		76.72s	110,480	49	36,248

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	10.0	10.0	100.0%	0		27.46s	7,314	1,014	7,623
Qwen3.8 Flash Next	10.0	10.0	100.0%	0		6.65s	8,097	267	3,274

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	2.9	7.2	11.1%	1		291.62s	798	82,605	111,098
Qwen3.8 Flash Next	2.9	4.4	22.2%	2		17.29s	780	10	15,480

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	10.0	10.0	100.0%	0		39.29s	516	5,529	5,865
Qwen3.8 Flash Next	4.8	3.2	33.3%	1		7.29s	516	152	1,553

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	8.4	6.9	83.3%	1		23.21s	708	5,408	6,402
Qwen3.8 Flash Next	9.8	10.0	100.0%	0		2.04s	699	48	1,071

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	7.7	7.3	77.8%	1		35.82s	717	8,012	9,030
Qwen3.8 Flash Next	8.2	7.2	88.9%	1		2.23s	696	469	1,471

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	10.0	10.0	100.0%	0		21.53s	6,267	307	1,015
Qwen3.8 Flash Next	10.0	10.0	100.0%	0		5.75s	8,067	24	744

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Mistral Large 4	3.0	10.0	0.0%	0		358.62s	210	35,322	38,199
Qwen3.8 Flash Next	3.0	10.0	0.0%	0		24.39s	204	6	7,385

झटपट तुलना

तुलना जोडी बदला

GPT-6 LunalowvsQwen3.8 Flash Nextmedium Qwen3.8 Flash NextmediumvsSpace Bunny Alphahigh Mistral Large 4lowvsSpace Bunny Alphahigh Mistral Large 4lowvsGLM 5.1medium Mistral Large 4highvsQwen3.8 Flash Nextmedium Seed-2.0-MinimediumvsMistral Large 4low Muse Glimmer 30BmediumvsMistral Large 4low Seed-2.0-CodehighvsQwen3.8 Flash Nextmedium Mistral Large 4lowvsQwen3.5 Plus 2026-04-20medium Muse Glimmer 30BhighvsMistral Large 4low Mistral Large 4lowvsGPT-6 Lunahigh Seed-2.0-CodehighvsMistral Large 4low