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：: 2026-05-01
| 指标 | Mistral Small 4 Mistral Small 4 none | gpt-oss-120b gpt-oss-120b none 免费可用 |
|---|---|---|
| 分数 | 5.2 | 5.4 |
| 排名 | #115 | #106 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 9.5 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 31.5% | 40.7% |
| 不稳定测试 | 1 | 4 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.118 | 0.177 |
| 总成本 | $0.006 | $0.009 |
| ???? | $0.150 / 1M | $0.000 / 1M |
| ???? | $0.600 / 1M | $0.000 / 1M |
| 输出令牌 | 2,207 | 44,652 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 665ms | 11.96s |
| 响应时间（最大） | 1.72s | 68.97s |
| 响应时间（总计） | 11.97s | 179.34s |
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 | 3.4 | 7.9 | 16.7% | 1 | 395ms | 182 | 0 | |
| gpt-oss-120b | 6.6 | 8.0 | 58.3% | 1 | 6.03s | 4,867 | 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 | 4.5 | 9.0 | 0.0% | 0 | 1.28s | 583 | 0 | |
| 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 | 1.72s | 496 | 0 | |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 822ms | 261 | 0 | |
| 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 | 10.0 | 33.3% | 0 | 367ms | 28 | 0 | |
| 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 | 4.0 | 10.0 | 0.0% | 0 | 729ms | 205 | 0 | |
| gpt-oss-120b | 4.6 | 10.0 | 0.0% | 0 | 2.83s | 586 | 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 | 6.5 | 10.0 | 50.0% | 0 | 380ms | 69 | 0 | |
| 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 | 3.1 | 9.9 | 0.0% | 0 | 589ms | 170 | 0 | |
| gpt-oss-120b | 4.5 | 4.8 | 44.5% | 2 | 6.86s | 3,904 | 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 | 1.40s | 213 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
Mistral Small 4nonevsNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用Mistral Small 4nonevsElephant AlphamediumMiniMax M2.7mediumvsMistral Small 4noneMiniMax M2.7mediumvsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsElephant AlphamediumNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsgpt-oss-120bnone免费可用MiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用Mistral Small 4mediumvsgpt-oss-120bnone免费可用Mistral Small 4nonevsQwen3 Coder NextmediumMiniMax M2.5medium免费可用vsMistral Small 4nonegpt-oss-120bnone免费可用vsQwen3 Coder Nextmediumgpt-oss-120bnone免费可用vsOwl Alphamedium