AI BENCHY 对比

Anthropic: Claude Sonnet 5 vs Mistral: Mistral Small 4

摘要

Claude Sonnet 5 vs Mistral Small 4 benchmark 对比：Claude Sonnet 5 平均分领先，为 5.7 vs 5.1。 Mistral Small 4 benchmark 成本更低，为 $0.068 vs $0.287。 Claude Sonnet 5 更快，为 4.74s vs 9.40s，通过率为 42.9% vs 44.4%。

推荐模型: Mistral Small 4 - 它的得分接近这里的最高分（5.1 vs 5.7），同时成本比Claude Sonnet 5低约 4.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标	Claude Sonnet 5 Claude Sonnet 5 none 发布日期: 2026-06-30	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16

指标	Claude Sonnet 5 Claude Sonnet 5 none 发布日期: 2026-06-30	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16
分数	5.7	5.1
排名	#117	#136
可靠性	10.0	10.0
一致性	8.6	6.9
测试正确
尝试通过率	42.9%	44.4%
不稳定测试	4	8
总运行次数	63	63
每个结果成本	4.098	1.344
总成本	$0.287	$0.068
输入价格	$2.000 / 1M	$0.150 / 1M
输出价格	$10.000 / 1M	$0.600 / 1M
总输入令牌	76,797	42,576
输出令牌	13,325	24,184
推理令牌	0	84,678
响应时间（平均）	4.74s	9.40s
响应时间（最大）	29.46s	59.15s
响应时间（总计）	99.46s	197.39s

生成展示

Hamster playing table tennis

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

#117 Claude Sonnet 5

none

成本: $0.061
时间: 53.7s
令牌: 6,172 tok

#136 Mistral Small 4

medium

成本: $0.006
时间: 47.9s
令牌: 9,857 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	5.3	10.0	25.0%	0		3.60s	834	1,813	0
Mistral Small 4	5.6	3.8	66.7%	3		2.67s	708	4,055	4,778

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	4.6	7.9	22.2%	1		3.67s	10,590	1,864	0
Mistral Small 4	4.4	5.1	33.3%	2		39.98s	7,636	11,635	54,715

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	3.0	10.0	0.0%	0		29.46s	38,775	6,340	0
Mistral Small 4	3.0	10.0	0.0%	0		25.25s	18,706	2,612	10,700

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	10.0	10.0	100.0%	0		3.01s	10,503	309	0
Mistral Small 4	7.3	5.9	83.3%	1		1.23s	6,171	335	723

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	5.3	7.2	44.4%	1		3.28s	975	933	0
Mistral Small 4	5.3	7.2	44.4%	1		6.11s	742	2,621	6,904

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	4.7	3.1	33.3%	1		2.81s	708	272	0
Mistral Small 4	4.8	10.0	0.0%	0		2.05s	519	821	828

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	6.4	10.0	50.0%	0		2.58s	909	103	0
Mistral Small 4	7.3	5.8	83.3%	1		1.38s	729	540	1,031

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	6.0	7.4	55.6%	1		3.22s	894	778	0
Mistral Small 4	3.4	9.7	0.0%	0		2.17s	735	1,226	2,632

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	10.0	10.0	100.0%	0		6.80s	12,351	522	0
Mistral Small 4	10.0	10.0	100.0%	0		3.50s	6,420	321	810

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	3.0	10.0	0.0%	0		4.31s	258	391	0
Mistral Small 4	3.0	10.0	0.0%	0		5.92s	210	18	1,557

快速对比

切换对比组合