BenchLeader

Mistral Large 4 vs Mistral Large 4.0 OSS

完整资料:Mistral Large 4(Mistral AI)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 7 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(41 比 34)选 Large 4;看重推理(64 比 46)和数学(66 比 54)选 Large 4.0 OSS。

要点(截至 2026年11月16日)

  • Mistral Large 4 每百万 token 混合价格为 $1.05(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 46高
知识Mistral Large 4类别得分 41 比 34中
对话质量(人类偏好)–只有 Mistral Large 4 有 Arena 评分(类别得分 60)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 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Mistral Large 4Mistral Large 4.0 OSS
提供商Mistral AIMistral AI
发布日期2026年10月6日2026年10月29日
上下文窗口(token)1,048,576–
对比时的配置Mistral Large 4Mistral 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)$0.700 / $2.10 / $0.070–

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 4Mistral Large 4.0 OSS (high)领先者
推理46.264.2Mistral Large 4.0 OSS
编程53.8–无法比较
智能体与工具48.8–无法比较
数学54.266.4Mistral Large 4.0 OSS
知识40.734.1Mistral Large 4
人类偏好59.7–无法比较
多模态58.0–无法比较
长上下文65.3–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Mistral Large 4, 推理: 46.2Mistral Large 4, 数学: 54.2Mistral Large 4, 知识: 40.7Mistral 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Mistral Large 4Mistral Large 4.0 OSS (high)
每百万 token 混合价格$1.05–
每百万 token 输入 / 输出$0.700 / $2.10– / –
每百万 token 缓存输入$0.070–
每项任务价格:聊天回复$0.0009–
每项任务价格:总结一份 30 页的报告$0.0097–
每项任务价格:代码编辑$0.0074–
每项任务价格:智能体编程会话$0.050–
每项任务价格:结构化信息提取$0.0018–
智能体编程会话(输入大多命中缓存)$0.022–
每项基准测试任务成本(AA Index)$4.21–
每项任务输出 token(AA Index)135k–
其中推理部分102k–
每项任务耗时(AA Index)23 min–
输出速度97 tok/s–
首次回答时间40.9 秒–
完整回答耗时(最近一次测量 2026年11月13日)119.0 秒–

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 得分 52.9,首个回答 token 需 41 秒;Mistral Large 4 (high) 为 48.3(45 秒),Mistral Large 4 (medium) 为 45.9(27 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 111 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 4Mistral Large 4.0 OSS (high)
BenchLeader IndexBenchLeader52.9–
智能体与工具得分BenchLeader48.8–
编程得分BenchLeader53.8–
人类偏好得分BenchLeader59.7–
知识得分BenchLeader40.734.1
长上下文得分BenchLeader65.3–
数学得分BenchLeader54.266.4
多模态得分BenchLeader58.0–
推理得分BenchLeader46.264.2
混合价格(美元/百万 token)BenchLeader$1.05–
输出速度BenchLeader97 tok/s–
首次回答时间BenchLeader40.9 秒–
上下文窗口BenchLeader1,048,576 token–
推理
GPQA DiamondEpoch AI Benchmarking Hub88.1%†90.2%
Arena Hard PromptsArena (LMArena)1453–
LiveBench 2.0 ReasoningLiveBench85.2%†–
LiveBench 1.0 ReasoningLiveBench83.9%†–
Humanity's Last Exam (AA)Artificial Analysis35.0%–
HLE-Diamond (AA)Artificial Analysis15.1%–
CritPtArtificial Analysis10.6%–
CritPt v2 hard subset (AA)Artificial Analysis24.5%–
MysteryMechanismVals AI12.2%†–
Arena ExpertArena (LMArena)1464–
Chess PuzzlesEpoch AI Benchmarking Hub33.0%†29.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub17.0%†20.0%
LMCAEpoch AI Benchmarking Hub35.8%–
DTBenchEpoch AI Benchmarking Hub88.2%–
编程
SciCodeSciCode54.2%–
FrontierCodeCognition39.4%†–
Arena CodingArena (LMArena)1484–
Arena WebDevArena (LMArena)1565–
LiveBench 2.0 CodingLiveBench79.4%†–
LiveBench 1.0 CodingLiveBench77.2%†–
IOIVals AI45.3%†–
Code MigrationVals AI30.6%†–
SWE-bench MultimodalVals AI33.1%†–
Vibe Code Bench 1-100Vals AI14.3%†–
Vibe Code Bench v1.1Vals AI78.4%†–
显示全部 111 项基准测试
指标发布方Mistral Large 4Mistral Large 4.0 OSS (high)
编程
SWE Atlas v1.1Scale AI SEAL45.2%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL61.3%–
SWE Atlas v1.1: Test WritingScale AI SEAL40.0%–
SWE Atlas v1.1: RefactoringScale AI SEAL34.3%–
MirrorCodeEpoch AI Benchmarking Hub40.0%†–
Surface Evolver BenchEpoch AI Benchmarking Hub28.1%–
ALE-BenchEpoch AI Benchmarking Hub1213.2–
WeirdML v3WeirdML4.5%†–
Terminal-Bench 4.0 (AA)Artificial Analysis26.8%–
GameBench 2 by reasoning settingDuelLab GameBench 257.6†–
Design Arena WebsiteDesign Arena1258–
FrontierCode 1.1 (AA)Artificial Analysis41.5%–
FrontierCode 2.0 (AA)Artificial Analysis13.6%–
智能体与工具
Terminal-BenchTerminal-Bench27.6%†–
APEX-AgentsMercor51.6%†–
Arena AgentArena (LMArena)-5.4–
LiveBench Long AgenticLiveBench24.7%†–
LiveBench BrowserLiveBench17.4%†–
LiveBench Agentic CodingLiveBench57.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%–
GDPval-AA v2.1Artificial Analysis1431–
Finance Agent v2Vals AI54.7%†–
Finance Agent v2.1Vals AI61.4%†–
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%†–
Harvey's Legal Agent Benchmark v1Vals AI15.8%†–
Legal Research BenchVals AI31.7%†–
Tax Agent BenchVals AI30.4%†–
Terminal-Bench 4.0 (Vals)Vals AI27.8%†–
Arena Agent Task CompletionArena (LMArena)-4.7–
AutomationBenchArtificial Analysis59.9%–
GDP.pdf (AA)Artificial Analysis18.6%–
Harvey LAB-AA v1.1Harvey3.1%–
AA-Briefcase v1.1Artificial Analysis1393–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis4.8%–
CWE-Bench (AA)Artificial Analysis50.8%–
DeepSec-Bench (AA)Artificial Analysis16.0%–
CyberGym end-to-end (AA)Artificial Analysis81.7%–
MKA (AA)Artificial Analysis35.1%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub58.6%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%†99.4%
ProofBenchVals AI10.0%–
LiveBench MathematicsLiveBench93.6%†–
Arena MathsArena (LMArena)1459–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub20.0%†22.4%
LiveBench 2.0 Data AnalysisLiveBench76.6%†–
LiveBench ResearchLiveBench80.3%†–
LiveBench 1.0 Data AnalysisLiveBench76.5%†–
AA-Omniscience v1.1Artificial Analysis-7.5–
BioMysteryBenchVals AI67.0%†–
Excel Modeling BenchmarkVals AI56.2%†–
Excel Modeling Benchmark v1.1Vals AI69.0%†–
MedCodeVals AI40.7%†–
MedScribeVals AI80.4%†–
Immigration BenchVals AI63.7%†–
EBR-benchEpoch AI Benchmarking Hub–18.1%
AA-Omniscience v1.1: accuracyArtificial Analysis23.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis58.7%–
指令遵循
LiveBench LanguageLiveBench49.6%†–
LiveBench Instruction FollowingLiveBench64.8%†–
Arena Instruction FollowingArena (LMArena)1418–
人类偏好
Arena TextArena (LMArena)1420–
Arena Creative WritingArena (LMArena)1359–
Arena Multi-turnArena (LMArena)1429–
Arena Longer QueriesArena (LMArena)1420–
多模态
Arena VisionArena (LMArena)1244–
LiveBench DesignLiveBench76.3%†–
MMMU-ProArtificial Analysis76.4%–
Furniture AssemblyEpoch AI Benchmarking Hub20.8%†30.8%
VIALS-AAHandshake AI20.5%†–
Code2Video-AAArtificial Analysis931–
AA-3DArtificial Analysis882–
长上下文
AA-LCR v1.1Artificial Analysis81.3%–
MLCRArtificial Analysis7.8%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.6–
LiveBench 2.0LiveBench60.3%†–
LiveBench 1.0LiveBench71.8%†–
AA Intelligence Index v5.0.1Artificial Analysis25.3–
AA Intelligence Index v4.3.2Artificial Analysis38.4–
AA Progress Index v1Artificial Analysis312.4–
Vals Finance IndexVals AI56.9%†–
Vals Legal IndexVals AI65.6%†–
AA Cyber IndexArtificial Analysis49.5–
安全与诚实
FORTRESSScale AI SEAL23.1%–
DistressBenchScale AI SEAL77.0%–
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

  • Mistral Large 4:BenchLeader Index 52.2 → 52.9。
  • Mistral Large 4:1 项新结果(GDPval-AA v2.1)。
  • Mistral Large 4:1 项分数修订。
  • Mistral Large 4:2 项分数修订。
  • Mistral Large 4:6 项分数修订。
  • Mistral Large 4:BenchLeader Index 52.7 → 52.2。
  • Mistral Large 4:7 项分数修订。
  • Mistral Large 4:8 项分数修订。
  • Mistral Large 4:2 项分数修订。
  • Mistral Large 4:1 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

Mistral Large 4 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。