BenchLeader

Inkling vs Mistral Large 4.0 OSS

完整资料:Inkling(Thinking Machines)和 Mistral Large 4.0 OSS(Mistral AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,两者共同的基准测试太少,无法判断质量高下。看重知识(60 比 34)选 Inkling;看重数学(66 比 54)和推理(64 比 52)选 Mistral Large 4.0 OSS。

要点(截至 2026年11月16日)

  • Inkling 每百万 token 混合价格为 $2.57(标价,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
数学Mistral Large 4.0 OSS类别得分 66 比 54高
推理Mistral Large 4.0 OSS类别得分 64 比 52高
知识Inkling类别得分 60 比 34高
对话质量(人类偏好)–只有 Inkling 有 Arena 评分(类别得分 59)无法比较
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 共同的基准测试太少,无法给出结论。
  • Inkling 在知识方面更强。
  • Mistral Large 4.0 OSS (high) 在数学、推理方面更强。

概览

规格InklingMistral Large 4.0 OSS
提供商Thinking MachinesMistral AI
发布日期2026年7月15日2026年10月29日
上下文窗口(token)65,536–
对比时的配置InklingMistral Large 4.0 OSS (high)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.87 / $4.68 / $0.374–

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别InklingMistral Large 4.0 OSS (high)领先者
推理52.264.2Mistral Large 4.0 OSS
编程46.1–无法比较
智能体与工具31.1–无法比较
数学54.166.4Mistral Large 4.0 OSS
知识60.234.1Inkling
人类偏好58.9–无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理数学知识Inkling, 推理: 52.2Inkling, 数学: 54.1Inkling, 知识: 60.2Mistral Large 4.0 OSS, 推理: 64.2Mistral Large 4.0 OSS, 数学: 66.4Mistral Large 4.0 OSS, 知识: 34.1

未绘制(测得的模型少于两个):编程, 智能体与工具, 指令遵循, 长上下文, 多模态, 人类偏好。

模型(单击添加或移除)Index

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标InklingMistral Large 4.0 OSS (high)
每百万 token 混合价格$2.57–
每百万 token 输入 / 输出$1.87 / $4.68– / –
每百万 token 缓存输入$0.374–
每项任务价格:聊天回复$0.0022–
每项任务价格:总结一份 30 页的报告$0.025–
每项任务价格:代码编辑$0.018–
每项任务价格:智能体编程会话$0.131–
每项任务价格:结构化信息提取$0.0047–
智能体编程会话(输入大多命中缓存)$0.064–
输出速度115 tok/s–
首次回答时间0.3 秒–

每个模型都按其排名最高的推理强度设置进行对比。Inkling 得分 50.4,首个回答 token 需 0 秒;Inkling (xhigh) 为 50.0(19 秒)。Mistral Large 4.0 OSS (high)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 134 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方InklingMistral Large 4.0 OSS (high)
BenchLeader IndexBenchLeader50.4–
智能体与工具得分BenchLeader31.1–
编程得分BenchLeader46.1–
人类偏好得分BenchLeader58.9–
知识得分BenchLeader60.234.1
数学得分BenchLeader54.166.4
推理得分BenchLeader52.264.2
混合价格(美元/百万 token)BenchLeader$2.57–
输出速度BenchLeader115 tok/s–
首次回答时间BenchLeader0.3 秒–
上下文窗口BenchLeader65,536 token–
推理
GPQA DiamondEpoch AI Benchmarking Hub88.3%†90.2%
SimpleBenchSimpleBench50.0%–
Arena Hard PromptsArena (LMArena)1463–
LiveBench 2.0 ReasoningLiveBench78.3%†–
LiveBench 1.0 ReasoningLiveBench78.3%†–
GPQA Diamond (AA)Artificial Analysis87.2%†–
Humanity's Last Exam (AA)Artificial Analysis31.9%†–
HLE-Diamond (AA)Artificial Analysis10.6%†–
GPQA Diamond (Vals)Vals AI87.1%–
ARC-AGI-1ARC Prize79.5%–
ARC-AGI-2ARC Prize36.5%–
CritPtArtificial Analysis5.4%†–
CritPt v2 hard subset (AA)Artificial Analysis18.0%†–
HLE-Diamond (Scale)Scale AI SEAL11.2%–
Arena ExpertArena (LMArena)1474–
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†29.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–20.0%
LMCAEpoch AI Benchmarking Hub37.6%†–
DTBenchEpoch AI Benchmarking Hub87.5%†–
编程
SciCodeSciCode47.0%†–
WeirdMLWeirdML32.3%†–
FrontierCodeCognition14.0%–
Arena CodingArena (LMArena)1494–
Arena WebDevArena (LMArena)1414–
LiveBench 2.0 CodingLiveBench48.7%†–
显示全部 134 项基准测试
指标发布方InklingMistral Large 4.0 OSS (high)
编程
LiveBench 1.0 CodingLiveBench71.0%†–
LiveCodeBenchVals AI85.5%–
IOIVals AI14.9%–
SWE-bench (Vals)Vals AI77.6%–
Code MigrationVals AI11.8%–
Code Migration v1.1Vals AI8.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench 1-100Vals AI7.3%–
Vibe Code Bench v1.1Vals AI19.2%–
SWE-Bench Pro V2Scale AI SEAL89.9%†–
SWE-Bench Pro V2 HARDScale AI SEAL56.9%†–
ALE-BenchEpoch AI Benchmarking Hub946–
FrontierSWEEpoch AI Benchmarking Hub4.1%†–
WeirdML v3WeirdML3.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%†–
Terminal-Bench 2.1 (AA)Artificial Analysis55.1%†–
GameBench 2 OverallDuelLab GameBench 225.6–
GameBench 2 by reasoning settingDuelLab GameBench 226.7†–
Design Arena WebsiteDesign Arena1215–
FrontierCode 1.1 (AA)Artificial Analysis15.8%†–
FrontierCode 2.0 (AA)Artificial Analysis3.9%†–
智能体与工具
Terminal-BenchTerminal-Bench0.0%†–
APEX-AgentsMercor33.8%–
Arena AgentArena (LMArena)-17.3–
LiveBench Long AgenticLiveBench9.8%†–
LiveBench BrowserLiveBench12.0%†–
LiveBench Agentic CodingLiveBench49.4%†–
Terminal-Bench 2.1 (Vals)Vals AI47.6%–
MCP AtlasScale AI SEAL76.0%†–
τ³-bench Bankingτ²-bench25.0%†–
GDPval-AA v2.1Artificial Analysis1080†–
τ³-Banking (AA)Artificial Analysis29.1%†–
Analyst Agent (AA)Artificial Analysis23.8%†–
CyberBenchVals AI66.8%–
Finance Agent v2Vals AI46.6%–
Finance Agent v2.1Vals AI49.9%–
Harvey's Legal Agent Benchmark v1.1Vals AI3.8%–
Harvey's Legal Agent Benchmark v1Vals AI2.1%–
Legal Research BenchVals AI28.4%–
SkillsBenchVals AI26.1%–
SREBenchVals AI0.0%–
Tax Agent BenchVals AI15.3%–
Terminal-Bench 4.0 (Vals)Vals AI0.5%–
Arena Agent Task CompletionArena (LMArena)-26.8–
AutomationBenchArtificial Analysis5.0%†–
GDP.pdf (AA)Artificial Analysis12.8%†–
Harvey LAB-AA v1.1Harvey0.0%†–
EnterpriseOps-GymArtificial Analysis38.0%†–
AA-Briefcase v1.1Artificial Analysis833†–
GDPxGDPx by SemiAnalysis2.3%†–
Design Arena AgenticDesign Arena1173–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis0.0%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub33.3%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub4.9%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub88.9%†99.4%
ProofBenchVals AI0.0%–
LiveBench MathematicsLiveBench88.4%†–
Arena MathsArena (LMArena)1479–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub40.3%†22.4%
LiveBench 2.0 Data AnalysisLiveBench72.8%†–
LiveBench ResearchLiveBench60.3%†–
LiveBench 1.0 Data AnalysisLiveBench72.8%†–
AA-Omniscience v1.1Artificial Analysis-1.5†–
MMLU-ProVals AI86.3%–
LegalBenchVals AI83.0%–
CorpFinVals AI68.6%–
TaxEvalVals AI75.3%–
Excel Modeling BenchmarkVals AI38.4%–
Excel Modeling Benchmark v1.1Vals AI41.0%–
MedCodeVals AI41.2%–
MedScribeVals AI85.4%–
Public Benefits Bench v1.1Vals AI58.5%–
EBR-benchEpoch AI Benchmarking Hub–18.1%
AA-Omniscience v1.1: accuracyArtificial Analysis39.3%†–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis32.8%†–
指令遵循
LiveBench LanguageLiveBench73.5%†–
LiveBench Instruction FollowingLiveBench70.1%†–
Arena Instruction FollowingArena (LMArena)1427–
人类偏好
Arena TextArena (LMArena)1443–
EQ-Bench 4EQ-Bench1212–
EQ-Bench Creative Writing v3EQ-Bench1609–
Arena Creative WritingArena (LMArena)1389–
Arena Multi-turnArena (LMArena)1446–
Arena Longer QueriesArena (LMArena)1442–
多模态
LiveBench DesignLiveBench55.2%†–
MMMU-ProArtificial Analysis73.5%†–
MMMU-Pro (Vals)Vals AI78.5%–
MortgageTaxVals AI64.0%–
AudioMCScale AI SEAL56.6%†–
AudioMC (text output)Scale AI SEAL56.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub–30.8%
Code2Video-AAArtificial Analysis467†–
AA-3DArtificial Analysis591†–
长上下文
AA-LCR v1.1Artificial Analysis77.3%†–
MLCRArtificial Analysis6.1%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub148.4–
LiveBench 2.0LiveBench44.3%†–
LiveBench 1.0LiveBench71.9%†–
AA Intelligence Index v5.0.1Artificial Analysis12.5†–
AA Intelligence Index v4.3.2Artificial Analysis25.0†–
AA Progress Index v1Artificial Analysis281.4†–
Vals IndexVals AI29.0–
Vals Finance IndexVals AI38.3%–
Vals Multimodal IndexVals AI49.4%–
Vals Router IndexVals AI29.0%–
Vals Legal IndexVals AI54.2%–
安全与诚实
FORTRESSScale AI SEAL25.0%†–
DistressBenchScale AI SEAL78.5%–
元数据
AA Openness IndexArtificial Analysis38.9†–

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Inkling:BenchLeader Index 47.8 → 50.4。
  • Inkling:1 项分数修订。
  • Inkling:5 项分数修订。
  • Inkling:1 项分数修订。
  • Mistral Large 4.0 OSS (high):首批结果。
  • Inkling:1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Inkling vs Mistral Large 4.0 OSS:常见问题

Mistral Large 4.0 OSS 是什么时候发布的?
Mistral Large 4.0 OSS 于 2026年10月29日 发布。