#173 Mistral Small 4
none- 成本
- $0.002
- 时间
- 10.4s
- 令牌
- 2,370 tok
Mistral: Mistral Small 4 vs Xiaomi: MiMo-V2.5
平均分几乎持平，为 5.1 vs 5.1。 Mistral Small 4 benchmark 成本更低，为 $0.022 vs $0.025。 Mistral Small 4 更快，为 1.20s vs 4.62s，通过率为 25.8% vs 25.8%。
推荐模型Mistral Small 4它在这里得分最高（5.1），同时响应速度比MiMo-V2.5快约 3.8 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-22
| 指标 | Mistral Small 4 Mistral Small 4 none | MiMo-V2.5 MiMo-V2.5 none |
|---|---|---|
| 分数 | 5.1 | 5.1 |
| 排名 | #173 | #176 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 25.8% | 25.8% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.432 | 0.770 |
| 总成本 | $0.022 | $0.025 |
| 输入价格 | $0.150 / 1M | $0.140 / 1M |
| 输出价格 | $0.600 / 1M | $0.280 / 1M |
| 总输入令牌 | 104,708 | 141,043 |
| 输出令牌 | 9,812 | 16,464 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.20s | 4.62s |
| 响应时间（最大） | 13.16s | 55.36s |
| 响应时间（总计） | 26.38s | 101.57s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#176 MiMo-V2.5
none- 成本
- $0.007
- 时间
- 267.4s
- 令牌
- 25,283 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 | |
| MiMo-V2.5 | 3.5 | 8.0 | 16.7% | 1 | 2.19s | 645 | 282 | 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 | 3.7 | 9.7 | 0.0% | 0 | 901ms | 7,636 | 619 | 0 | |
| MiMo-V2.5 | 5.5 | 10.0 | 33.3% | 0 | 3.24s | 7,440 | 696 | 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 | 7.44s | 79,039 | 8,107 | 0 | |
| MiMo-V2.5 | 3.0 | 10.0 | 0.0% | 0 | 28.86s | 114,133 | 14,527 | 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 | 10.0 | 10.0 | 100.0% | 0 | 822ms | 7,914 | 261 | 0 | |
| MiMo-V2.5 | 6.5 | 10.0 | 50.0% | 0 | 1.01s | 7,758 | 366 | 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 | 10.0 | 33.3% | 0 | 367ms | 798 | 28 | 0 | |
| MiMo-V2.5 | 3.0 | 10.0 | 0.0% | 0 | 756ms | 753 | 27 | 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 | 4.0 | 10.0 | 0.0% | 0 | 729ms | 519 | 205 | 0 | |
| MiMo-V2.5 | 4.4 | 9.9 | 0.0% | 0 | 6.86s | 498 | 81 | 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 | 6.5 | 10.0 | 50.0% | 0 | 380ms | 729 | 69 | 0 | |
| MiMo-V2.5 | 6.5 | 10.0 | 50.0% | 0 | 751ms | 684 | 72 | 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 | 3.1 | 9.9 | 0.0% | 0 | 399ms | 735 | 111 | 0 | |
| MiMo-V2.5 | 5.4 | 10.0 | 33.3% | 0 | 2.13s | 678 | 166 | 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 | 1.40s | 6,420 | 213 | 0 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 8,238 | 231 | 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 | 397ms | 210 | 17 | 0 | |
| MiMo-V2.5 | 3.0 | 10.0 | 0.0% | 0 | 3.89s | 216 | 16 | 0 |
快速对比
切换对比组合
Mistral Small 4mediumvsMiMo-V2.5noneMiniMax M2.7mediumvsMiMo-V2.5noneLaguna S 2.1low免费可用vsMiMo-V2.5noneMiniMax M2.7mediumvsMistral Small 4noneMistral Small 4nonevsLaguna S 2.1low免费可用Mistral Small 4nonevsLaguna S 2.1high免费可用KAT-Coder-Air V2.5lowvsMistral Small 4noneLaguna S 2.1high免费可用vsMiMo-V2.5noneMistral Small 4nonevsLaguna S 2.1medium免费可用KAT-Coder-Air V2.5lowvsMiMo-V2.5noneLaguna S 2.1medium免费可用vsMiMo-V2.5noneQwen3 Coder NextmediumvsMiMo-V2.5none