导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Mistral: Mistral Small 4 vs OpenAI: GPT-5.4

摘要

Mistral Small 4 vs GPT-5.4 benchmark 对比：GPT-5.4 平均分领先，为 5.8 vs 5.1。 Mistral Small 4 benchmark 成本更低，为 $0.068 vs $0.122。 GPT-5.4 更快，为 1.42s vs 9.40s，通过率为 44.4% vs 36.5%。

推荐模型: GPT-5.4 - 它在这里得分最高（5.8），同时响应速度比Mistral Small 4快约 6.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16 GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05
分数 5.1 5.8
排名 #138 #116
可靠性 10.0 10.0
一致性 6.9 9.2
测试正确
尝试通过率 44.4% 36.5%
不稳定测试 8 2
总运行次数 63 63
每个结果成本 1.344 1.740
总成本 $0.068 $0.122
输入价格 $0.150 / 1M $2.500 / 1M
输出价格 $0.600 / 1M $15.000 / 1M
总输入令牌 42,576 34,212
输出令牌 24,184 2,417
推理令牌 84,678 0
响应时间（平均） 9.40s 1.42s
响应时间（最大） 59.15s 2.95s
响应时间（总计） 197.39s 29.87s

Generation showcase

Hamster playing table tennis

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

#138 Mistral Small 4

medium
Cost
$0.006
Time
47.9s
Tokens
9,857 tok

#116 GPT-5.4

none
Cost
$0.026
Time
18.1s
Tokens
1,792 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
Mistral Small 4 5.6 3.8 66.7% 3 2.67s 708 4,055 4,778
GPT-5.4 3.2 8.0 8.3% 1 1.21s 606 406 0
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 Small 4 4.4 5.1 33.3% 2 39.98s 7,636 11,635 54,715
GPT-5.4 5.5 10.0 33.3% 0 1.62s 7,305 516 0
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 Small 4 3.0 10.0 0.0% 0 25.25s 18,706 2,612 10,700
GPT-5.4 3.0 10.0 0.0% 0 2.89s 11,019 291 0
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 Small 4 7.3 5.9 83.3% 1 1.23s 6,171 335 723
GPT-5.4 10.0 10.0 100.0% 0 1.04s 7,140 222 0
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 Small 4 5.3 7.2 44.4% 1 6.11s 742 2,621 6,904
GPT-5.4 5.3 7.2 44.4% 1 1.07s 723 50 0
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 Small 4 4.8 10.0 0.0% 0 2.05s 519 821 828
GPT-5.4 4.4 9.9 0.0% 0 1.78s 477 184 0
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 Small 4 7.3 5.8 83.3% 1 1.38s 729 540 1,031
GPT-5.4 6.5 10.0 50.0% 0 1.07s 660 81 0
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 Small 4 3.4 9.7 0.0% 0 2.17s 735 1,226 2,632
GPT-5.4 5.6 9.8 33.3% 0 1.44s 642 381 0
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 Small 4 10.0 10.0 100.0% 0 3.50s 6,420 321 810
GPT-5.4 10.0 10.0 100.0% 0 2.75s 5,445 246 0
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 Small 4 3.0 10.0 0.0% 0 5.92s 210 18 1,557
GPT-5.4 3.0 10.0 0.0% 0 990ms 195 40 0

快速对比

切换对比组合

Mistral Small 4mediumvsMiMo-V2.5noneMistral Small 4mediumvsQwen3.5-9BnoneMistral Small 4mediumvsQwen3 Coder NextnoneMistral Small 4mediumvsQwen3.6 35B A3BnoneTrinity Large PreviewnonevsMistral Small 4mediumMistral Small 4mediumvsGPT-4o-mininoneDeepSeek V3.2nonevsMistral Small 4mediumMistral Small 4mediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsGPT-5.4 MininoneMistral Small 4mediumvsGrok 4.20noneMistral Small 4mediumvsGLM 5 TurbononeMistral Small 4mediumvsGLM 4.7 Flashnone