AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Mistral: Mistral Small 4
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-26
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | Mistral Small 4 Mistral Small 4 medium |
|---|---|---|
| 分数 | 5.7 | 5.4 |
| 排名 | #109 | #121 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.3 | 7.1 |
| 测试正确 | ||
| 尝试通过率 | 48.3% | 45.0% |
| 不稳定测试 | 4 | 7 |
| 总运行次数 | 98 | 98 |
| 每个结果成本 | 0.246 | 1.275 |
| 总成本 | $0.020 | $0.064 |
| ???? | $0.252 / 1M | $0.150 / 1M |
| ???? | $0.378 / 1M | $0.600 / 1M |
| 输出令牌 | 14,503 | 34,715 |
| 推理令牌 | 0 | 82,903 |
| 响应时间（平均） | 14.43s | 8.35s |
| 响应时间（最大） | 115.89s | 59.15s |
| 响应时间（总计） | 288.55s | 167.08s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.3 | 8.2 | 12.5% | 1 | 9.35s | 1,073 | 0 | |
| Mistral Small 4 | 5.6 | 3.8 | 66.7% | 3 | 2.67s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.1 | 5.4 | 16.7% | 1 | 20.87s | 4,522 | 0 | |
| Mistral Small 4 | 5.1 | 6.8 | 33.3% | 1 | 44.82s | 9,322 | 38,386 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.5 | 10.0 | 0.0% | 0 | 115.89s | 2,887 | 0 | |
| Mistral Small 4 | 3.0 | 10.0 | 0.0% | 0 | 25.25s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.3 | 5.8 | 66.7% | 1 | 9.42s | 1,710 | 0 | |
| Mistral Small 4 | 7.3 | 5.9 | 83.3% | 1 | 1.23s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 6.9 | 16.7% | 1 | 4.17s | 21 | 0 | |
| Mistral Small 4 | 5.3 | 7.2 | 44.4% | 1 | 6.11s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.6 | 10.0 | 100.0% | 0 | 9.32s | 43 | 0 | |
| Mistral Small 4 | 4.8 | 10.0 | 0.0% | 0 | 2.05s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 1.52s | 66 | 0 | |
| Mistral Small 4 | 7.3 | 5.8 | 83.3% | 1 | 1.38s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 8.9 | 10.0 | 100.0% | 0 | 6.91s | 3,642 | 0 | |
| Mistral Small 4 | 3.4 | 9.7 | 0.0% | 0 | 2.17s | 14,070 | 17,186 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 11.85s | 522 | 0 | |
| Mistral Small 4 | 10.0 | 10.0 | 100.0% | 0 | 3.50s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 17.23s | 17 | 0 | |
| Mistral Small 4 | 3.0 | 10.0 | 0.0% | 0 | 5.92s | 18 | 1,557 |
快速对比
切换对比组合
Cobuddymedium免费可用vsDeepSeek V3.2noneMistral Small 4mediumvsGrok 4.20noneMistral Small 4mediumvsgpt-oss-120bnone免费可用Mistral Small 4mediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsGLM 5 TurbononeMistral Small 4mediumvsKimi K2.5noneDeepSeek V3.2nonevsOwl AlphamediumLing-2.6-flashnonevsMistral Small 4mediumMistral Small 4mediumvsQwen3.6 FlashnoneMistral Small 4mediumvsElephant AlphanoneMistral Small 4mediumvsKimi K2.6noneMistral Small 4mediumvsMiMo-V2.5-Pronone