AI BENCHY Compare

Mistral: Mistral Small 4 vs OpenAI: GPT-5.6 Luna

Сводка

Сравнение benchmark Mistral Small 4 (medium) vs GPT-5.6 Luna: GPT-5.6 Luna лидирует по среднему баллу: 5.3 vs 5.1. GPT-5.6 Luna имеет более низкую стоимость benchmark: $0.047 vs $0.068. GPT-5.6 Luna быстрее: 1.06s vs 9.40s, с долей успешных попыток 44.4% vs 36.5%.

Рекомендуемая модель: GPT-5.6 Luna - Здесь у него лучший балл (5.3), и он отвечает примерно в 8.8 раза быстрее, чем Mistral Small 4 (medium).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-09

Метрика	Mistral Small 4 Mistral Small 4 medium Релиз: 2026-03-16	GPT-5.6 Luna GPT-5.6 Luna none Релиз: 2026-07-09

Метрика	Mistral Small 4 Mistral Small 4 medium Релиз: 2026-03-16	GPT-5.6 Luna GPT-5.6 Luna none Релиз: 2026-07-09
Оценка	5.1	5.3
Ранг	#152	#142
Надежность	10.0	10.0
Стабильность	6.9	8.8
Тестов верно
Доля успешных попыток	44.4%	36.5%
Нестабильные тесты	8	3
Всего запусков	63	63
Стоимость за результат	1.344	0.767
Общая стоимость	$0.068	$0.047
Цена входа	$0.150 / 1M	$1.000 / 1M
Цена выхода	$0.600 / 1M	$6.000 / 1M
Общее число входных токенов	42,576	34,218
Выходные токены	24,184	1,967
Токены рассуждений	84,678	0
Время ответа (среднее)	9.40s	1.06s
Время ответа (макс.)	59.15s	2.80s
Время ответа (суммарно)	197.39s	22.34s

Генерация showcase

Hamster playing table tennis

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

#152 Mistral Small 4

medium

Стоимость: $0.006
Время: 47.9s
Токены: 9,857 tok

#142 GPT-5.6 Luna

none

Стоимость: $0.016
Время: 15.8s
Токены: 2,685 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	5.6	3.8	66.7%	3		2.67s	708	4,055	4,778
GPT-5.6 Luna	4.8	10.0	25.0%	0		901ms	606	266	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	4.4	5.1	33.3%	2		39.98s	7,636	11,635	54,715
GPT-5.6 Luna	3.8	7.2	22.2%	1		980ms	7,302	459	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	3.0	10.0	0.0%	0		25.25s	18,706	2,612	10,700
GPT-5.6 Luna	3.0	10.0	0.0%	0		2.78s	11,019	280	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	7.3	5.9	83.3%	1		1.23s	6,171	335	723
GPT-5.6 Luna	10.0	10.0	100.0%	0		758ms	7,140	222	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	5.3	7.2	44.4%	1		6.11s	742	2,621	6,904
GPT-5.6 Luna	2.9	7.2	11.1%	1		737ms	723	54	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	4.8	10.0	0.0%	0		2.05s	519	821	828
GPT-5.6 Luna	5.0	10.0	0.0%	0		1.00s	477	150	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	7.3	5.8	83.3%	1		1.38s	729	540	1,031
GPT-5.6 Luna	7.1	5.8	83.3%	1		1.23s	660	86	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	3.4	9.7	0.0%	0		2.17s	735	1,226	2,632
GPT-5.6 Luna	5.3	10.0	33.3%	0		790ms	642	202	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	10.0	10.0	100.0%	0		3.50s	6,420	321	810
GPT-5.6 Luna	10.0	10.0	100.0%	0		2.80s	5,454	222	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Mistral Small 4	3.0	10.0	0.0%	0		5.92s	210	18	1,557
GPT-5.6 Luna	3.0	10.0	0.0%	0		651ms	195	26	0

Быстрое сравнение

Сменить пару сравнения