#135 Mistral Small 4
none- Cost
- $0.002
- Timp
- 10.4s
- Tokenuri
- 2,370 tok
Mistral
Lansare: 2026-03-16
Testat la: 2026-05-22 00:14
mistralai/mistral-small-2603::none
119B în total (6B activi)MoESursă deschisă
(medium)
(none)
Rezumat
Mistral Small 4 obține 5.0 pe AI BENCHY și este pe #135. Are fiabilitate 10.0, rată de reușită 28.3%, cost total $0.007 și timp mediu de răspuns 658ms.
Ce face Mistral Small 4 unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #2, iar Trucuri anti-AI este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.
Date despre model
Documentat la 2026-08-12
- Parametri
- 119B în total (6B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
5.0
Consistență
9.5
10.0
$0.007
Total tokenuri de ieșire
2,251
Total tokenuri de intrare
0
Preț de intrare
$0.150 / 1M
Preț de ieșire
$0.600 / 1M
Teste instabile
1
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
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 |
|---|---|---|---|---|---|
| 2026-08-14 02:04 Retestare | 5.1 | 10.0 | $0.022 | Compară | |
| 2026-07-16 22:21 Test nou adăugat | 5.1 | 10.0 | $0.022 | Compară | |
| 2026-06-04 13:41 Test nou adăugat | 4.9 | 10.0 | $0.007 | Compară | |
| 2026-05-22 00:14 Suită modificată | 5.0 | 10.0 | $0.007 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 5.2 | N/D | $0.006 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:14 · Suită modificată | 60/60 încercări | 5.0 | 9.5 | 10.0 | 5/20 | 1 | 2,251 | 0 | $0.007 | 658ms |
| 2026-07-16 22:21 · Test nou adăugat | 66/66 încercări | 5.1 | 9.6 | 10.0 | 5/22 | 1 | 9,812 | 104,708 | $0.022 | 1.20s |
| Diferență | — | -0.2 | -0.1 | 0.0 | 0 | 0 | -7561 | -104708 | -$0.016 | -541ms |
Acoperirea benchmark diferă: 60/60 încercări (Țintă: 3 repetări per test) față de 66/66 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
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 4nonevsNemotron 3.5 LightningmediumDisponibil gratuitMistral Small 4nonevsMistral Small 4mediumMistral Small 4nonevsGranite 4.2 8BmediumMistral Small 4nonevsGranite 4.2 8BlowMistral Small 4nonevsInklingnoneMistral Small 4nonevsQwen3 Coder NextnoneMistral Small 4nonevsDots 3 Note PreviewnoneDisponibil gratuitMistral Small 4nonevsMercury 2.5lowMistral Small 4nonevsQwen3.6 35B A3BnoneMistral Small 4nonevsMiMo-V2.5none
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 3.4 | 7.9 | |
| Programare | 4.0 | 9.5 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 4.0 | 10.0 | |
| Respectarea instrucțiunilor | 6.5 | 10.0 | |
| Rezolvare de puzzle-uri | 3.1 | 9.9 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |