- स्कोअर
- 9.4 (+3.64 गुण)
- एकूण खर्च (सध्याची किंमत)
- $0.183 · 36.9% स्वस्त
- प्रतिसाद वेळ (सरासरी)
- 6.24s · 69.4% वेगवान
सारांश
Mistral Large 4 AI BENCHY वर 5.7 स्कोर करते आणि #369 वर आहे. याची reliability 9.7, pass rate 31.9%, एकूण खर्च $0.290, आणि सरासरी response time 20.43s आहे.
Mistral Large 4 खास का आहे: हे स्वायत्त एजंट कार्ये मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #3 आहे; तर अँटी-एआय युक्त्या हा सर्वात कमकुवत भाग आहे, rank #14.
शिफारस केलेले पर्याय
त्याऐवजी यापैकी एक मॉडेल निवडण्याची शिफारस करतो:
- स्कोअर
- 8.6 (+2.86 गुण)
- एकूण खर्च (सध्याची किंमत)
- $0.061 · 79.1% स्वस्त
- प्रतिसाद वेळ (सरासरी)
- 7.51s · 63.2% वेगवान
- स्कोअर
- 8.3 (+2.55 गुण)
- एकूण खर्च (सध्याची किंमत)
- $0.047 · 83.8% स्वस्त
- प्रतिसाद वेळ (सरासरी)
- 18.07s · 11.6% वेगवान
मॉडेलची माहिती
संशोधन दिनांक: 2026-10-06
- पॅरामीटर्स
- 1.05T एकूण (49B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- परवाना
- -
5.7
सुसंगतता
9.3
9.7
$0.290
एकूण आउटपुट टोकन्स
54,388
एकूण इनपुट टोकन्स
257,872
इनपुट किंमत
$0.680 / 1M
आउटपुट किंमत
$2.090 / 1M
कॅश वाचण्याची किंमत
$0.070 / 1M
कॅश लिहिण्याची किंमत
लागू नाही
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.
अस्थिर चाचण्या
2
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#369 Mistral Large 4
none- खर्च
- $0.005
- वेळ
- 33.0s
- टोकन्स
- 2,461 tok
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-10-06 18:09 पुन्हा चाचणी | 5.7 | 9.7 | $0.290 | सध्याची रन | |
| 2026-10-06 15:23 पहिला रन | 5.5 | 9.9 | $0.353 | तुलना करा |
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-06 18:09 · सध्याची रन | 69/69 प्रयत्न | 5.7 | 9.3 | 9.7 | 6/23 | 2 | 54,388 | 257,872 | $0.290 | 20.43s |
| 2026-10-06 15:23 · पहिला रन | 69/69 प्रयत्न | 5.5 | 8.8 | 9.9 | 5/23 | 4 | 84,218 | 259,048 | $0.353 | 28.46s |
| फरक | — | +0.2 | +0.5 | -0.2 | +1 | -2 | -29830 | -1176 | -$0.064 | -8026ms |
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| स्वायत्त एजंट कार्ये | 6.1 | 3.1 | |
| अँटी-एआय युक्त्या | 3.6 | 10.0 | |
| कोडिंग | 4.7 | 7.5 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 5.3 | 10.0 | |
| सूचनांचे पालन | 6.5 | 10.0 | |
| कोडी सोडवणे | 7.9 | 9.9 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |