AI BENCHY 对比
Mistral: Mistral Small 4 vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Mistral Small 4 Mistral Small 4 medium | gpt-oss-120b gpt-oss-120b none 免费可用 |
|---|---|---|
| 分数 | 5.4 | 5.2 |
| 排名 | #121 | #129 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.1 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 45.0% | 36.8% |
| 不稳定测试 | 7 | 3 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 1.109 | 0.201 |
| 总成本 | $0.056 | $0.011 |
| ???? | $0.150 / 1M | $0.000 / 1M |
| ???? | $0.600 / 1M | $0.000 / 1M |
| 输出令牌 | 21,628 | 51,505 |
| 推理令牌 | 68,055 | 0 |
| 响应时间（平均） | 8.33s | 21.86s |
| 响应时间（最大） | 59.15s | 113.71s |
| 响应时间（总计） | 166.59s | 349.78s |
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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 5.6 | 3.8 | 66.7% | 3 | 2.67s | 4,055 | 4,778 | |
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 32.84s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 5.1 | 6.8 | 33.3% | 1 | 44.82s | 9,322 | 38,386 | |
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 3.0 | 10.0 | 0.0% | 0 | 25.25s | 2,612 | 10,700 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 7.3 | 5.9 | 83.3% | 1 | 1.23s | 335 | 723 | |
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 5.3 | 7.2 | 44.4% | 1 | 6.11s | 2,621 | 6,904 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 4.8 | 10.0 | 0.0% | 0 | 2.05s | 821 | 828 | |
| gpt-oss-120b | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 7.3 | 5.8 | 83.3% | 1 | 1.38s | 540 | 1,031 | |
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 5.10s | 1,982 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 3.4 | 9.7 | 0.0% | 0 | 2.00s | 983 | 2,338 | |
| gpt-oss-120b | 4.4 | 4.5 | 44.5% | 2 | 9.51s | 3,781 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 10.0 | 10.0 | 100.0% | 0 | 3.50s | 321 | 810 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 3.0 | 10.0 | 0.0% | 0 | 5.92s | 18 | 1,557 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 47.29s | 3,138 | 0 |
快速对比
切换对比组合
Mistral Small 4mediumvsGrok 4.20noneMistral Small 4mediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsGLM 5 TurbononeMistral Small 4mediumvsKimi K2.5noneLing-2.6-flashnonevsMistral Small 4mediumMistral Small 4mediumvsQwen3.6 FlashnoneMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Mistral Small 4mediumvsMiMo-V2.5-PrononeDeepSeek V3.2nonevsMistral Small 4mediumMistral Small 4mediumvsGLM 5.1noneMistral Small 4mediumvsGPT-5.4nonegpt-oss-120bnone免费可用vsElephant Alphamedium