BenchLeader

Mistral Large 4.0 OSS vs Nemotron 3.5 Super VL 120B A12B

完整资料:Mistral Large 4.0 OSS(Mistral AI)和 Nemotron 3.5 Super VL 120B A12B(NVIDIA),包括全部基准测试、价格和排名。

更新于 · 数据来自 3 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。在两者都有成绩的所有类别中,Mistral Large 4.0 OSS 均领先。

要点(截至 2026年11月16日)

  • Nemotron 3.5 Super VL 120B A12B 每百万 token 混合价格为 $0.788(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 59中
推理Mistral Large 4.0 OSS类别得分 64 比 59中
对话质量(人类偏好)–只有 Nemotron 3.5 Super VL 120B A12B 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。
  • Mistral Large 4.0 OSS (high) 在数学、推理方面更强。

概览

规格Mistral Large 4.0 OSSNemotron 3.5 Super VL 120B A12B
提供商Mistral AINVIDIA
发布日期2026年10月29日2026年10月15日
上下文窗口(token)–1,048,576
对比时的配置Mistral Large 4.0 OSS (high)Nemotron 3.5 Super VL 120B A12B
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)–$0.570 / $1.44 / $0.114

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Mistral Large 4.0 OSS (high)Nemotron 3.5 Super VL 120B A12B领先者
推理64.258.8Mistral Large 4.0 OSS
编程–47.9无法比较
智能体与工具–25.4无法比较
数学66.459.2Mistral Large 4.0 OSS
知识34.1–无法比较
人类偏好–58.9无法比较
多模态–53.5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推理编程智能体与工具数学知识多模态人类偏好Mistral Large 4.0 OSS, 推理: 64.2Mistral Large 4.0 OSS, 数学: 66.4Mistral Large 4.0 OSS, 知识: 34.1Nemotron 3.5 Super VL 120B A12B, 推理: 58.8Nemotron 3.5 Super VL 120B A12B, 编程: 47.9Nemotron 3.5 Super VL 120B A12B, 智能体与工具: 25.4Nemotron 3.5 Super VL 120B A12B, 数学: 59.2Nemotron 3.5 Super VL 120B A12B, 多模态: 53.5Nemotron 3.5 Super VL 120B A12B, 人类偏好: 58.9

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):指令遵循, 长上下文。

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Mistral Large 4.0 OSS (high)Nemotron 3.5 Super VL 120B A12B
每百万 token 混合价格–$0.788
每百万 token 输入 / 输出– / –$0.570 / $1.44
每百万 token 缓存输入–$0.114
每项任务价格:聊天回复–$0.0007
每项任务价格:总结一份 30 页的报告–$0.0077
每项任务价格:代码编辑–$0.0056
每项任务价格:智能体编程会话–$0.040
每项任务价格:结构化信息提取–$0.0014
智能体编程会话(输入大多命中缓存)–$0.019

每个模型都按其排名最高的推理强度设置进行对比。Mistral Large 4.0 OSS (high)。Nemotron 3.5 Super VL 120B A12B 得分 50.4。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 31 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Mistral Large 4.0 OSS (high)Nemotron 3.5 Super VL 120B A12B
BenchLeader IndexBenchLeader–50.4
知识得分BenchLeader34.1–
数学得分BenchLeader66.459.2
推理得分BenchLeader64.258.8
智能体与工具得分BenchLeader–25.4
编程得分BenchLeader–47.9
人类偏好得分BenchLeader–58.9
多模态得分BenchLeader–53.5
混合价格(美元/百万 token)BenchLeader–$0.788
上下文窗口BenchLeader–1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.2%–
Arena Hard PromptsArena (LMArena)–1432
Arena ExpertArena (LMArena)–1437
Chess PuzzlesEpoch AI Benchmarking Hub29.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub20.0%–
编程
Arena CodingArena (LMArena)–1460
Arena WebDevArena (LMArena)–1401
Code Migration v1.1Vals AI–16.4%†
Vibe Code Bench v1.1Vals AI–3.7%†
智能体与工具
Arena AgentArena (LMArena)–-16
Finance Agent v2.1Vals AI–47.7%†
Harvey's Legal Agent Benchmark v1.1Vals AI–3.8%†
Legal Research BenchVals AI–10.1%†
Tax Agent BenchVals AI–11.6%†
Terminal-Bench 4.0 (Vals)Vals AI–0.0%†
Arena Agent Task CompletionArena (LMArena)–-18.9
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub99.4%–
Arena MathsArena (LMArena)–1417
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub22.4%–
Excel Modeling Benchmark v1.1Vals AI–52.8%†
EBR-benchEpoch AI Benchmarking Hub18.1%–
指令遵循
Arena Instruction FollowingArena (LMArena)–1411
人类偏好
Arena TextArena (LMArena)–1414
Arena Creative WritingArena (LMArena)–1387
Arena Multi-turnArena (LMArena)–1425
显示全部 31 项基准测试
指标发布方Mistral Large 4.0 OSS (high)Nemotron 3.5 Super VL 120B A12B
人类偏好
Arena Longer QueriesArena (LMArena)–1411
多模态
Arena VisionArena (LMArena)–1214
Furniture AssemblyEpoch AI Benchmarking Hub30.8%–
综合
Vals IndexVals AI–29.8†
Vals Finance IndexVals AI–41.0%†
Vals Legal IndexVals AI–55.4%†

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。

变化

  • Nemotron 3.5 Super VL 120B A12B:1 项分数修订。
  • Nemotron 3.5 Super VL 120B A12B:1 项分数修订。
  • Mistral Large 4.0 OSS (high):首批结果。
  • Nemotron 3.5 Super VL 120B A12B:1 项分数修订。
  • Nemotron 3.5 Super VL 120B A12B:1 项分数修订。
  • Nemotron 3.5 Super VL 120B A12B:BenchLeader Index 53.6 → 50.4。
  • Nemotron 3.5 Super VL 120B A12B:1 项新结果(Arena Agent)。
  • Nemotron 3.5 Super VL 120B A12B:1 项分数修订。
  • Nemotron 3.5 Super VL 120B A12B:8 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…);输入价格 $0.00/M → $0.57/M;输出价格 $0.00/M → $1.44/M。
  • Nemotron 3.5 Super VL 120B A12B:2 项新结果(Arena WebDev, Arena Vision)。

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

Mistral Large 4.0 OSS vs Nemotron 3.5 Super VL 120B A12B: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。