- 排名
- #119
- 总输出令牌
- 714,287
- 响应时间（平均）
- 300.15s
- 总成本
- $1.648
Mistral Large 4 (low) vs GPT-5.6 Luna (medium)
Mistral Large 4 (low) 平均分领先，为 7.6 vs 7.4。 GPT-5.6 Luna (medium) benchmark 成本更低，为 $0.065 vs $1.648。 GPT-5.6 Luna (medium) 更快，为 9.64s vs 300.15s，通过率为 65.2% vs 62.3%。
已对比模型
- 排名
- #128
- 总输出令牌
- 47,986
- 响应时间（平均）
- 9.64s
- 总成本
- $0.065
推荐模型
GPT-5.6 Luna (medium)
它的得分接近这里的最高分（7.4 vs 7.6），同时成本比Mistral Large 4 (low)低约 25.6 倍。
详细对比
| 指标 | Mistral Large 4 Mistral Large 4 low | GPT-5.6 Luna GPT-5.6 Luna medium |
|---|---|---|
| 分数 | 7.6 | 7.4 |
| 排名 | #119 | #128 |
| 可靠性 | 9.0 | 10.0 |
| 一致性 | 8.7 | 9.0 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 65.2% | 62.3% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 12.670 | 2.822 |
| 总成本 | $1.648 | $0.065 |
| 输入价格 | $0.680 / 1M | $0.200 / 1M |
| 输出价格 | $2.090 / 1M | $1.200 / 1M |
| 缓存读取价格 | $0.070 / 1M | $0.020 / 1M |
| 缓存写入价格 | 不适用 | $0.250 / 1M |
| 总输入令牌 | 226,734 | 212,780 |
| 输出令牌 | 278,013 | 6,849 |
| 推理令牌 | 638,296 | 41,137 |
| 响应时间（平均） | 300.15s | 9.64s |
| 响应时间（最大） | 1798.01s | 58.09s |
| 响应时间（总计） | 6903.40s | 221.62s |
| 参数量 | 1.05T 总计 (49B 激活) | ~400B 总计 (~17B 激活) |
| 开放状态 | 闭源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#119 Mistral Large 4
low- 成本
- $0.015
- 时间
- 115.1s
- 令牌
- 6,915 tok
#128 GPT-5.6 Luna
medium- 成本
- $0.014
- 时间
- 14.6s
- 令牌
- 2,362 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
| 智能体任务 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 10.0 | 10.0 | 100.0% | 0 | 69.63s | 143,243 | 3,788 | 3,053 | |
| GPT-5.6 Luna | 7.4 | 3.8 | 66.7% | 1 | 58.09s | 123,095 | 1,148 | 2,313 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 8.3 | 10.0 | 75.0% | 0 | 19.75s | 705 | 999 | 9,354 | |
| GPT-5.6 Luna | 8.3 | 10.0 | 75.0% | 0 | 2.52s | 606 | 160 | 987 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 3.4 | 7.2 | 22.2% | 1 | 1379.72s | 5,896 | 129,426 | 386,126 | |
| GPT-5.6 Luna | 5.4 | 7.2 | 44.4% | 1 | 10.38s | 7,302 | 564 | 9,928 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 10.0 | 10.0 | 100.0% | 0 | 556.27s | 60,360 | 5,603 | 60,531 | |
| GPT-5.6 Luna | 10.0 | 10.0 | 100.0% | 0 | 14.59s | 66,477 | 3,926 | 4,594 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 10.0 | 10.0 | 100.0% | 0 | 27.46s | 7,314 | 1,014 | 7,623 | |
| GPT-5.6 Luna | 10.0 | 10.0 | 100.0% | 0 | 1.95s | 7,140 | 234 | 324 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 2.9 | 7.2 | 11.1% | 1 | 291.62s | 798 | 82,605 | 111,098 | |
| GPT-5.6 Luna | 2.9 | 7.2 | 11.1% | 1 | 18.45s | 732 | 70 | 17,375 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 10.0 | 10.0 | 100.0% | 0 | 39.29s | 516 | 5,529 | 5,865 | |
| GPT-5.6 Luna | 5.1 | 10.0 | 0.0% | 0 | 4.34s | 477 | 112 | 496 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 8.4 | 6.9 | 83.3% | 1 | 23.21s | 708 | 5,408 | 6,402 | |
| GPT-5.6 Luna | 9.9 | 10.0 | 100.0% | 0 | 2.38s | 660 | 95 | 393 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 7.7 | 7.3 | 77.8% | 1 | 35.82s | 717 | 8,012 | 9,030 | |
| GPT-5.6 Luna | 7.8 | 10.0 | 66.7% | 0 | 4.04s | 642 | 255 | 2,104 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 10.0 | 10.0 | 100.0% | 0 | 21.53s | 6,267 | 307 | 1,015 | |
| GPT-5.6 Luna | 10.0 | 10.0 | 100.0% | 0 | 6.02s | 5,454 | 256 | 244 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Mistral Large 4 | 3.0 | 10.0 | 0.0% | 0 | 358.62s | 210 | 35,322 | 38,199 | |
| GPT-5.6 Luna | 3.0 | 10.0 | 0.0% | 0 | 6.64s | 195 | 29 | 2,379 |
快速对比
切换对比组合
DeepSeek V4 Flash 0731lowvsGPT-5.6 LunamediumGPT-5.6 LunamediumvsGLM 5.3 FlashXhighGPT-5.6 LunamediumvsGrok 4.7lowMistral Large 4lowvsQwen3.8 Flash NextmediumGPT-5.6 LunamediumvsInkling Smallhigh免费可用Seed-2.0-CodehighvsGPT-5.6 LunamediumDeepSeek V4 Pro 0423nonevsGPT-5.6 LunamediumMistral Large 4lowvsSpace Bunny AlphahighMistral Large 4lowvsGLM 5.1mediumSeed-2.0-MinimediumvsMistral Large 4lowMuse Glimmer 30BmediumvsMistral Large 4lowMistral Large 4highvsGPT-5.6 Lunamedium