导航
AI BENCHY
Advertise here

AI BENCHY 对比

Mistral: Mistral Small 4 vs OpenAI: gpt-oss-120b

摘要

Mistral Small 4 (medium) vs gpt-oss-120b benchmark 对比：Mistral Small 4 (medium) 平均分领先，为 5.1 vs 4.0。 gpt-oss-120b benchmark 成本更低，为 $0.010 vs $0.068。 Mistral Small 4 (medium) 更快，为 9.40s vs 21.61s，通过率为 44.4% vs 34.9%。

推荐模型: Mistral Small 4 (medium) - 它在这里得分最高（5.1），同时响应速度比gpt-oss-120b快约 2.3 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-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用
分数 5.1 4.0
排名 #152 #183
可靠性 10.0 10.0
一致性 6.9 8.2
测试正确
尝试通过率 44.4% 34.9%
不稳定测试 8 2
总运行次数 63 57
每个结果成本 1.344 0.168
总成本 $0.068 $0.010
输入价格 $0.150 / 1M $0.036 / 1M
输出价格 $0.600 / 1M $0.180 / 1M
总输入令牌 42,576 9,081
输出令牌 24,184 51,664
推理令牌 84,678 0
响应时间（平均） 9.40s 21.61s
响应时间（最大） 59.15s 113.71s
响应时间（总计） 197.39s 345.79s

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

#183 gpt-oss-120b

none
此模型尚未生成任何展示结果。
成本
$0.000
时间
-
令牌
0 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-oss-120b 6.5 10.0 50.0% 0 32.84s 1,336 8,676 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-oss-120b 1.5 4.0 22.2% 1 9.57s 901 3,232 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-oss-120b 3.0 10.0 0.0% 0 0ms 0 0 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-oss-120b 6.5 10.0 50.0% 0 7.12s 2,421 598 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-oss-120b 3.0 10.0 0.0% 0 34.98s 1,294 29,483 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-oss-120b 4.8 10.0 0.0% 0 10.79s 584 615 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-oss-120b 9.8 10.0 100.0% 0 5.06s 1,043 1,940 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-oss-120b 6.0 7.2 55.6% 1 8.21s 1,188 3,982 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-oss-120b 3.0 10.0 0.0% 0 0ms 0 0 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-oss-120b 3.0 10.0 0.0% 0 47.29s 314 3,138 0

快速对比

切换对比组合

North Mini Codenone免费可用vsMistral Small 4mediumMistral 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 Mininonegpt-oss-120bnone免费可用vsQwen3.5-9BmediumMistral Small 4mediumvsGPT-5.6 Lunanone