导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Mistral: Mistral Small 4 vs OpenAI: GPT-5.5

摘要

Mistral Small 4 vs GPT-5.5 benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 5.1。 Mistral Small 4 benchmark 成本更低，为 $0.007 vs $0.907。 Mistral Small 4 更快，为 630ms vs 9.76s，通过率为 27.0% vs 85.7%。

推荐模型: Mistral Small 4 - 它提供了最佳整体取舍：得分有竞争力（5.1），成本低于GPT-5.5，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 Mistral Small 4 Mistral Small 4 none 发布日期: 2026-03-16 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24
分数 5.1 9.3
排名 #136 #5
可靠性 10.0 10.0
一致性 9.5 10.0
测试正确
尝试通过率 27.0% 85.7%
不稳定测试 1 0
总运行次数 63 63
每个结果成本 0.139 5.035
总成本 $0.007 $0.907
输入价格 $0.150 / 1M $5.000 / 1M
输出价格 $0.600 / 1M $30.000 / 1M
总输入令牌 37,309 34,209
输出令牌 2,201 2,046
推理令牌 0 22,460
响应时间（平均） 630ms 9.76s
响应时间（最大） 1.72s 56.19s
响应时间（总计） 13.22s 204.92s

Generation showcase

Hamster playing table tennis

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

#136 Mistral Small 4

none
Cost
$0.002
Time
10.4s
Tokens
2,370 tok

#5 GPT-5.5

low
Cost
$0.068
Time
37.0s
Tokens
2,339 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 3.4 7.9 16.7% 1 395ms 708 182 0
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
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 3.7 9.7 0.0% 0 901ms 7,636 619 0
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
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 1.72s 11,640 496 0
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
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 10.0 10.0 100.0% 0 822ms 7,914 261 0
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
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 10.0 33.3% 0 367ms 798 28 0
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
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 4.0 10.0 0.0% 0 729ms 519 205 0
GPT-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
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 6.5 10.0 50.0% 0 380ms 729 69 0
GPT-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
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 3.1 9.9 0.0% 0 399ms 735 111 0
GPT-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
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 1.40s 6,420 213 0
GPT-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
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 397ms 210 17 0
GPT-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 MaxmediumMiniMax M2.7mediumvsMistral Small 4noneClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowCobuddymediumvsMistral Small 4noneGemini 3 Flash PreviewmediumvsGPT-5.5lowMiniMax M2.5mediumvsMistral Small 4noneGPT-5.5lowvsQwen3.6 Max PreviewmediumMistral Small 4nonevsQwen3 Coder NextmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5low