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 none | Grok 4.20 Beta Grok 4.20 Beta none |
|---|---|---|
| 排名 | #61 | #58 |
| 分数 | 5.3 | 5.3 |
| 一致性 | 9.5 | 9.1 |
| 每个结果成本 | 0.108 | 2.240 |
| 总成本 | $0.006 | $0.090 |
| 测试正确 | ||
| 尝试通过率 | 33.3% | 31.4% |
| 不稳定测试 | 1 | 2 |
| 总运行次数 | 51 | 51 |
| 输出令牌 | 1,624 | 1,517 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 629ms | 1.19s |
| 响应时间（最大） | 1.72s | 6.48s |
| 响应时间（总计） | 10.70s | 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 | 3.4 | 7.9 | 16.7% | 1 | 395ms | 182 | 0 | |
| 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 | 1.72s | 496 | 0 | |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 822ms | 261 | 0 | |
| 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 | 10.0 | 33.3% | 0 | 367ms | 28 | 0 | |
| 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 | 4.0 | 10.0 | 0.0% | 0 | 729ms | 205 | 0 | |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 380ms | 69 | 0 | |
| 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 | 3.1 | 9.9 | 0.0% | 0 | 589ms | 170 | 0 | |
| 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 | 1.40s | 213 | 0 | |
| 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 4mediumvsGrok 4.20 BetanoneMistral Small 4nonevsQwen3 Coder NextmediumQwen3 Coder NextmediumvsGrok 4.20 BetanoneMiniMax M2.5medium免费可用vsGrok 4.20 BetanoneMistral Small 4nonevsGLM 4.7 FlashmediumMiniMax M2.5medium免费可用vsMistral Small 4noneGrok 4.20 BetanonevsGLM 4.7 Flashmediumgpt-oss-120bmedium免费可用vsGrok 4.20 BetanoneMistral Small 4nonevsgpt-oss-120bmedium免费可用Mistral Small 4nonevsQwen3.5-9BmediumQwen3.5-9BmediumvsGrok 4.20 BetanoneGPT-5 NanomediumvsGrok 4.20 Betanone