Navigare
AI BENCHY
Your ad here

AI BENCHY Compare

Mistral: Mistral Small 4 vs xAI: Grok 4.20 Multi-Agent Beta

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-17

Metrică Mistral Small 4 Mistral Small 4 none Lansare: 2026-03-16 Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Lansare: 2026-03-12
Rang #61 #44
Scor 5.3 6.2
Consistență 9.5 7.2
Cost per rezultat 0.108 82.962
Cost total $0.006 $4.978
Teste corecte
Rată de trecere pe încercare 33.3% 54.9%
Teste instabile 1 6
Rulări totale 51 51
Tokenuri de ieșire 1,624 298,948
Tokenuri de raționament 0 296,529
Timp de răspuns (mediu) 629ms 8.64s
Timp de răspuns (maxim) 1.72s 35.28s
Timp de răspuns (total) 10.70s 129.64s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mistral Small 4 3.4 7.9 16.7% 1 395ms 182 0
Grok 4.20 Multi-Agent Beta 6.9 5.8 75.0% 2 3.46s 33,706 33,077
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mistral Small 4 3.0 10.0 0.0% 0 1.72s 496 0
Grok 4.20 Multi-Agent Beta 3.0 10.0 0.0% 0 0ms 0 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mistral Small 4 10.0 10.0 100.0% 0 822ms 261 0
Grok 4.20 Multi-Agent Beta 10.0 10.0 100.0% 0 5.54s 25,306 25,051
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mistral Small 4 5.3 10.0 33.3% 0 367ms 28 0
Grok 4.20 Multi-Agent Beta 2.9 7.2 11.1% 1 24.67s 164,609 163,647
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mistral Small 4 4.0 10.0 0.0% 0 729ms 205 0
Grok 4.20 Multi-Agent Beta 5.8 2.8 66.7% 1 6.40s 15,848 15,746
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mistral Small 4 6.5 10.0 50.0% 0 380ms 69 0
Grok 4.20 Multi-Agent Beta 8.3 10.0 50.0% 0 4.63s 25,457 25,322
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mistral Small 4 3.1 9.9 0.0% 0 589ms 170 0
Grok 4.20 Multi-Agent Beta 7.2 5.1 77.8% 2 5.01s 34,022 33,686
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Mistral Small 4 10.0 10.0 100.0% 0 1.40s 213 0
Grok 4.20 Multi-Agent Beta 3.0 10.0 0.0% 0 0ms 0 0

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumMistral Small 4nonevsQwen3 Coder NextmediumGrok 4.20 Multi-Agent BetamediumvsGLM 5noneQwen3.5 Plus 2026-02-15nonevsGrok 4.20 Multi-Agent BetamediumMistral Small 4nonevsGLM 4.7 FlashmediumGPT-5.4nonevsGrok 4.20 Multi-Agent Betamedium