AI BENCHY 对比

Mistral: Mistral Small 4 vs xAI: Grok 4.20

摘要

Mistral Small 4 vs Grok 4.20 benchmark 对比：Mistral Small 4 平均分领先，为 5.1 vs 4.4。 Grok 4.20 benchmark 成本更低，为 $0.057 vs $0.068。 Grok 4.20 更快，为 1.11s vs 9.40s，通过率为 44.4% vs 28.6%。

推荐模型: Mistral Small 4 - 它在本次比较中得分最高（5.1），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16	Grok 4.20 Grok 4.20 none 发布日期: 2026-03-31

指标	Mistral Small 4 Mistral Small 4 medium 发布日期: 2026-03-16	Grok 4.20 Grok 4.20 none 发布日期: 2026-03-31
分数	5.1	4.4
排名	#138	#160
可靠性	10.0	不适用
一致性	6.9	8.5
测试正确
尝试通过率	44.4%	28.6%
不稳定测试	8	0
总运行次数	63	54
每个结果成本	1.344	1.570
总成本	$0.068	$0.057
输入价格	$0.150 / 1M	$1.250 / 1M
输出价格	$0.600 / 1M	$2.500 / 1M
总输入令牌	42,576	41,313
输出令牌	24,184	1,923
推理令牌	84,678	0
响应时间（平均）	9.40s	1.11s
响应时间（最大）	59.15s	6.04s
响应时间（总计）	197.39s	19.96s

生成展示

Hamster playing table tennis

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

#138 Mistral Small 4

medium

成本: $0.006
时间: 47.9s
令牌: 9,857 tok

#160 xAI: Grok 4.20

none

成本: $0.004
时间: 6.5s
令牌: 1,367 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
Grok 4.20	4.8	10.0	25.0%	0		501ms	1,986	267	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
Grok 4.20	1.1	3.1	0.0%	0		1.22s	1,074	312	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
Grok 4.20	3.0	10.0	0.0%	0		6.04s	17,673	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
Grok 4.20	10.0	10.0	100.0%	0		522ms	7,749	207	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
Grok 4.20	3.0	10.0	0.0%	0		687ms	1,746	325	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
Grok 4.20	4.8	10.0	0.0%	0		659ms	819	83	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
Grok 4.20	6.3	10.0	50.0%	0		445ms	1,350	60	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
Grok 4.20	5.3	10.0	33.3%	0		473ms	1,671	198	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
Grok 4.20	10.0	10.0	100.0%	0		4.63s	7,245	189	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
Grok 4.20	0.0	0.0	0.0%	0		0ms	0	0	0

快速对比

切换对比组合