AI BENCHY 对比
Mistral: Mistral Small 4 vs xAI: Grok 4.20 Beta
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-17
| 指标 | Mistral Small 4 Mistral Small 4 medium | Grok 4.20 Beta Grok 4.20 Beta none |
|---|---|---|
| 排名 | #55 | #58 |
| 分数 | 5.6 | 5.3 |
| 一致性 | 7.0 | 9.1 |
| 每个结果成本 | 0.502 | 2.240 |
| 总成本 | $0.026 | $0.090 |
| 测试正确 | ||
| 尝试通过率 | 49.0% | 31.4% |
| 不稳定测试 | 6 | 2 |
| 总运行次数 | 51 | 51 |
| 输出令牌 | 12,288 | 1,517 |
| 推理令牌 | 28,112 | 0 |
| 响应时间（平均） | 4.18s | 1.19s |
| 响应时间（最大） | 25.25s | 6.48s |
| 响应时间（总计） | 71.03s | 20.22s |
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 | |
| Grok 4.20 Beta | 4.0 | 8.4 | 16.7% | 1 | 597ms | 251 | 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 | |
| Grok 4.20 Beta | 3.0 | 10.0 | 0.0% | 0 | 6.48s | 282 | 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 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 601ms | 197 | 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 | |
| Grok 4.20 Beta | 3.0 | 10.0 | 0.0% | 0 | 611ms | 160 | 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 | |
| Grok 4.20 Beta | 5.0 | 10.0 | 0.0% | 0 | 541ms | 87 | 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 | |
| Grok 4.20 Beta | 4.8 | 10.0 | 0.0% | 0 | 687ms | 60 | 0 |
| Puzzle Solving | 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 | |
| Grok 4.20 Beta | 5.9 | 7.2 | 55.6% | 1 | 541ms | 291 | 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 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.79s | 189 | 0 |
快速对比
切换对比组合
Mistral Small 4mediumvsGLM 5 TurbononeMistral Small 4mediumvsGLM 4.7 FlashnoneMistral Small 4mediumvsQwen3.5-27BnoneMistral Small 4mediumvsGPT-5.4noneMistral Small 4mediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsKimi K2.5noneMistral Small 4mediumvsHunter AlphanoneTrinity Large Previewnone免费可用vsMistral Small 4mediumMistral Small 4mediumvsQwen3.5-35B-A3BnoneGemini 2.5 FlashnonevsMistral Small 4mediumMistral Small 4mediumvsNemotron 3 Super 120b A12bnone免费可用Seed-2.0-LitenonevsMistral Small 4medium