#121 Mistral Small 4
medium- Cost
- $0.006
- Time
- 47.9s
- Tokens
- 9,857 tok
Mistral
Lansare: 2026-03-16
Testat la: 2026-05-22 00:16
mistralai/mistral-small-2603::medium
(medium)
(none)
Rezumat
Mistral Small 4 obține 5.4 pe AI BENCHY și este pe #121. Are fiabilitate 10.0, rată de reușită 45.0%, cost total $0.056 și timp mediu de răspuns 8.33s.
Ce face Mistral Small 4 unic: Se remarcă cel mai mult la Trucuri anti-AI, unde este pe #2, iar Parsare și extragere de date este zona cea mai slabă, la #9. Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.
5.4
Consistență
7.1
10.0
$0.056
Total tokenuri de ieșire
89,683
Total tokenuri de intrare
0
Preț de intrare
$0.150 / 1M
Preț de ieșire
$0.600 / 1M
Teste instabile
7
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 13:43 Test nou adăugat | 5.3 | 10.0 | $0.068 | Compară | |
| 2026-05-22 00:16 Suită modificată | 5.4 | 10.0 | $0.056 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 5.7 | N/D | $0.034 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:16 · Suită modificată | 5.4 | 7.1 | 10.0 | 5/20 | 7 | 89,683 | 0 | $0.056 | 8.33s |
| 2026-06-04 13:43 · Test nou adăugat | 5.3 | 6.9 | 10.0 | 5/21 | 8 | 108,862 | 42,576 | $0.068 | 9.40s |
| Diferență | +0.1 | +0.2 | 0.0 | 0 | -1 | -19179 | -42576 | -$0.012 | -1070ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
Mistral Small 4mediumvsQwen3.5 Plus 2026-02-15noneMistral Small 4mediumvsKimi K2.6noneDisponibil gratuitMistral Small 4mediumvsGLM 5V TurbononeMistral Small 4mediumvsGPT-5.4noneMistral Small 4mediumvsGemini 3.5 FlashhighMistral Small 4mediumvsGemini 3 Flash PreviewmediumMistral Small 4mediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitMistral Small 4mediumvsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 5.6 | 3.8 | |
| Programare | 5.1 | 6.8 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 7.3 | 5.9 | |
| Specific domeniului | 5.3 | 7.2 | |
| Inteligență generală | 4.8 | 10.0 | |
| Respectarea instrucțiunilor | 7.3 | 5.8 | |
| Rezolvare de puzzle-uri | 3.4 | 9.7 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |