AI BENCHY 对比

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

摘要

Mistral Small 4 (medium) vs GPT-5.6 Luna benchmark 对比：GPT-5.6 Luna 平均分领先，为 5.3 vs 5.1。 GPT-5.6 Luna benchmark 成本更低，为 $0.047 vs $0.068。 GPT-5.6 Luna 更快，为 1.06s vs 9.40s，通过率为 44.4% vs 36.5%。

推荐模型: GPT-5.6 Luna - 它在这里得分最高（5.3），同时响应速度比Mistral Small 4 (medium)快约 8.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16	GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09

指标	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16	GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09
分数	5.1	5.3
排名	#152	#142
可靠性	10.0	10.0
一致性	6.9	8.8
测试正确
尝试通过率	44.4%	36.5%
不稳定测试	8	3
总运行次数	63	63
每个结果成本	1.344	0.767
总成本	$0.068	$0.047
输入价格	$0.150 / 1M	$1.000 / 1M
输出价格	$0.600 / 1M	$6.000 / 1M
总输入令牌	42,576	34,218
输出令牌	24,184	1,967
推理令牌	84,678	0
响应时间（平均）	9.40s	1.06s
响应时间（最大）	59.15s	2.80s
响应时间（总计）	197.39s	22.34s

生成展示

Hamster playing table tennis

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

#152 Mistral Small 4

medium

成本: $0.006
时间: 47.9s
令牌: 9,857 tok

#142 GPT-5.6 Luna

none

成本: $0.016
时间: 15.8s
令牌: 2,685 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-5.6 Luna	4.8	10.0	25.0%	0		901ms	606	266	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-5.6 Luna	3.8	7.2	22.2%	1		980ms	7,302	459	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-5.6 Luna	3.0	10.0	0.0%	0		2.78s	11,019	280	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-5.6 Luna	10.0	10.0	100.0%	0		758ms	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-5.6 Luna	2.9	7.2	11.1%	1		737ms	723	54	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-5.6 Luna	5.0	10.0	0.0%	0		1.00s	477	150	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-5.6 Luna	7.1	5.8	83.3%	1		1.23s	660	86	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-5.6 Luna	5.3	10.0	33.3%	0		790ms	642	202	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-5.6 Luna	10.0	10.0	100.0%	0		2.80s	5,454	222	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-5.6 Luna	3.0	10.0	0.0%	0		651ms	195	26	0

快速对比

切换对比组合