Mistral 7B v0.3
性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,价格只有四分之一。
有 33 个更便宜的已排名模型得分更高:MiMo-V2.5 (56.3, $0.138)、Step 3.5 Flash (56.3, $0.150)、GPT-5 nano (56.2, $0.138),另有 30 个。
截至 2026年11月16日,Mistral 7B v0.3(Mistral AI)在 BenchLeader Index 上得分 28.9(共 608 个已排名配置)。表现最好的是编程(27),最弱的是知识(12)。API 价格为输入每百万 token $0.150、输出每百万 token $0.200(按 3:1 混合为 $0.162),为 2026年11月16日的标价。输出速度约为 100 token/秒(Artificial Analysis)。发布于 2024年5月27日。
要点(截至 2026年11月16日)
- Mistral 7B v0.3 的 API 价格为输入每百万 token $0.150、输出每百万 token $0.200(按 3:1 混合为 $0.162)(标价,2026年11月16日)。
- Mistral 7B v0.3 的输出速度约为 100 token/秒(Artificial Analysis,2026年11月16日)。
- Mistral 7B v0.3 于 2024年5月27日发布(Mistral AI)。
详细说明:Mistral 7B v0.3 是 Mistral AI 的开放权重模型,发布于 2024年5月27日。其最佳配置在 BenchLeader Index 上得分 28.9 ±3.3,在 608 个配置中排第 606 名,处于下半区。关键在于这个“±”:另有 19 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,编程得分最高(27),知识最低(12)。按混合价格计,每百万 token $0.162,属于已排名模型中最便宜的五分之一。输出速度为 101 token/秒,首次回答需 0.4 秒,比大多数模型快。最近一次测量:2026年11月11日。
- 混合价格
- $0.162/M
- 输入 $0.150 · 输出 $0.200
- 来源:Artificial Analysis
- 输出速度
- 101 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 0.44 s
- 首 token 0.44 s
- 上下文
- 66k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2024年5月27日
- 综合 Index29
- 推理19
- 编程27
- 数学26
- 知识12
- 指令遵循25
- 人类偏好27
- 长上下文23
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/mistral-7b)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Mistral AI 以这个名称发布过 3 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Mistral 7B v0.3本页 | 2024年5月27日 | 28.9 | #606 |
| Mistral 7B | 2023年9月27日 | – | – |
| Mistral v0 3 7B | – | – | – |
Index 走势
2026年9月9日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 15.2%#302 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1157#347 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 17.7%#565 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 4.5%#515 | Artificial Analysis | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index | 1141#329 | Arena (LMArena) | |
| HellaSwag不计入 Index | 81.0%#25 | Epoch AI Benchmarking Hub | |
| BIG-Bench Hard不计入 Index | 56.1%#19 | Epoch AI Benchmarking Hub | |
| WinoGrande不计入 Index | 75.3%#33 | Epoch AI Benchmarking Hub | |
| ARC (AI2 Challenge)不计入 Index | 78.6%#18 | Epoch AI Benchmarking Hub | |
| PIQA不计入 Index | 83.0%#14 | Epoch AI Benchmarking Hub | |
| ANLI不计入 Index | 47.1%#8 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Coding | 1186#343 | Arena (LMArena) | |
| LiveCodeBench (AA)不计入 Index | 4.5%#300 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| τ²-Bench Telecom (AA)不计入 Index | 0.0%#398 | Artificial Analysis |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 0.3%#287 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 3.6%#96 | Epoch AI Benchmarking Hub | |
| Arena Maths | 1128#331 | Arena (LMArena) | |
| GSM8K不计入 Index | 54.4%#32 | Epoch AI Benchmarking Hub |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| LegalBench | 53.8%#142 | Vals AI | |
| MMLU不计入 Index | 62.5%#76 | Epoch AI Benchmarking Hub | |
| TriviaQA不计入 Index | 75.2%#21 | Epoch AI Benchmarking Hub | |
| OpenBookQA不计入 Index | 79.8%#7 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 19.9%#420 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1123#350 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1150#349 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1104#351 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1114#344 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1136#347 | Arena (LMArena) |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 0.0%#517 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 102.8#190 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 5.0#617 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 93.4#636 | Artificial Analysis |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0001 | – | 3.4 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0019 | – | 6.4 s |
| 代码编辑 | 6,000 / 1,500 | $0.0012 | – | 15.4 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.0098 | – | 40.2 s |
| 结构化信息提取 | 2,000 / 200 | $0.0003 | – | 2.4 s |
Mistral AI 的更多模型
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Mistral 7B v0.3 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/mistral-7b)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Mistral 7B v0.3 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/mistral-7b
BibTeX:
@misc{benchleader_mistral_7b_20261116,
author = {{BenchLeader}},
title = {{Mistral 7B v0.3 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/mistral-7b}},
note = {Data as of 2026-11-16}
}常见问题
- Mistral 7B v0.3 的基准测试得分是多少?
- 截至 2026年11月16日,Mistral 7B v0.3 的 BenchLeader Index 为 28.9 ±3.3。最强的是编程(27),最弱的是知识(12)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Mistral 7B v0.3 排名第几?
- 截至 2026年11月16日,Mistral 7B v0.3 在 608 个已排名配置中排第 606 名。另有 19 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Mistral 7B v0.3 每百万 token 的价格是多少?
- 截至 2026年11月16日,Mistral 7B v0.3 的价格为输入每百万 token $0.150、输出每百万 token $0.200,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.162。标价最近一次变动是在 2026年9月24日。
- Mistral 7B v0.3 是什么时候发布的?
- Mistral AI 于 2024年5月27日发布了 Mistral 7B v0.3。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Mistral 7B v0.3:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/mistral-7b。