BenchLeader
Mistral AI开放权重推理模型与其他模型对比

Mistral Small 4

推理强度
质量第 267 / 339 名
40.5Index
后四分之一
较中位数 −9.7
价格第 55 / 255 名
$0.262每百万 token
最便宜的四分之一
中位数的 0.3 倍
速度第 40 / 216 名
144token/秒
前四分之一
中位数的 1.8 倍
性价比第 63 / 255 名
154.6分/$
前四分之一
中位数的 2.8 倍

性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,便宜 85%。

有 30 个更便宜的已排名模型得分更高:GLM 5.3 Flash (57.8, $0.238)、Claude Haiku 5.5 (56.7, $0.200)、MiMo-V2.5 (56.3, $0.138),另有 27 个。

截至 2026年11月16日,Mistral Small 4(Mistral AI)在 BenchLeader Index 上得分 40.5(共 608 个已排名配置)。表现最好的是指令遵循(50),最弱的是编程(28)。API 价格为输入每百万 token $0.150、输出每百万 token $0.600(按 3:1 混合为 $0.262),为 2026年11月16日的标价。输出速度约为 140 token/秒(Artificial Analysis)。发布于 2026年3月16日。

要点(截至 2026年11月16日)

  • Mistral Small 4 的 API 价格为输入每百万 token $0.150、输出每百万 token $0.600(按 3:1 混合为 $0.262)(标价,2026年11月16日)。
  • Mistral Small 4 的输出速度约为 140 token/秒(Artificial Analysis,2026年11月16日)。
  • Mistral Small 4 于 2026年3月16日发布(Mistral AI)。

详细说明:Mistral Small 4 是 Mistral AI 的开放权重推理模型,发布于 2026年3月16日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 40.5 ±6.0,在 608 个配置中排第 526 名,处于下半区。关键在于这个“±”:另有 191 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,指令遵循得分最高(50),编程最低(28)。按混合价格计,每百万 token $0.262,比大多数已排名模型便宜。输出速度为 144 token/秒,首次回答需 13.2 秒,位于最快的四分之一。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年3月16日。数据较旧:六个月内没有新结果

混合价格
$0.262/M
输入 $0.150 · 输出 $0.600
来源:Artificial Analysis
输出速度
144 tok/s
由 Artificial Analysis 测量
首次回答
13 s
首 token 0.49 s
上下文
262k
来源:models.dev
完整回答
48 s
最近一次测量 2026年11月13日
单任务成本
$0.040
每项任务 100 s,AA Index
单任务 token 数
14k
其中 29% 为推理
发布日期
2026年3月16日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index41
  2. 推理30
  3. 编程28
  4. 智能体与工具38
  5. 知识28
  6. 指令遵循50
  7. 多模态39
  8. 长上下文49

嵌入这个排名

更多徽章样式
[![Mistral Small 4 on BenchLeader: 综合第 260 名](https://www.benchleader.com/badge/mistral-small-4.svg?style=compact)](https://www.benchleader.com/models/mistral-small-4)

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。

Mistral AI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

Mistral AI 以这个名称发布过 6 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 Small 4thinking本页2026年3月16日40.5#526
Mistral Small 3.22025年6月20日42.0#503
Mistral Small 3.12025年3月17日38.4#560
Mistral Small 32025年1月25日39.2#547
Mistral Small v24.092024年9月17日––
Mistral Small 24022024年2月26日30.1#605

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
无推理––120 tok/s1.59 s$0.0002智能体与工具 43 · 指令遵循 36 · 长上下文 38 · 多模态 28
high––122 tok/s0.49 s$0.0002
thinking最佳40.5#526144 tok/s13 s$0.0002智能体与工具 38 · 编程 28 · 指令遵循 50 · 知识 28 · 长上下文 49 · 多模态 39 · 推理 30
未说明––122 tok/s0.49 s$0.0002推理 39

Index 走势

2026年9月19日 至 2026年11月16日
344453

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。

元数据

基准测试无推理thinking来源趋势
AA Openness Index不计入 Index38.9#15538.9#155Artificial Analysis

推理

基准测试无推理thinking默认来源趋势
GPQA Diamond (AA)不计入 Index57.1%#40376.9%#230–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index3.8%#5879.9%#346–Artificial Analysis
HLE-Diamond (AA)–4.4%#157–Artificial Analysis
Kagi LLM Benchmark推理强度未说明––40.5%#104Kagi LLM Benchmark
CritPt不计入 Index0.3%#2910.3%#291–Artificial Analysis
CritPt v2 hard subset (AA)–0.0%#132–Artificial Analysis
LMCA不计入 Index推理强度未说明––20.6%#166Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明––70.9%#164Epoch AI Benchmarking Hub

编程

基准测试highthinking默认来源趋势
SciCode (AA)不计入 Index–38.8%#202–Artificial Analysis
Vibe Code Bench v1.1不计入 Index0.0%#121––Vals AI
ALE-Bench不计入 Index推理强度未说明––497.6#118Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index–0.0%#186–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index–21.0%#176–Artificial Analysis
FrontierCode 2.0 (AA)–0.0%#125–Artificial Analysis

智能体与工具

基准测试无推理highthinking来源趋势
Terminal-Bench Hard10.6%#226–17.4%#182Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index18.4%#352–41.2%#224Artificial Analysis
GDPval-AA v2.1, normalised score不计入 Index––0.0%#124Artificial Analysis
GDPval-AA v2.1不计入 Index––369#257Artificial Analysis
τ³-Banking (AA)––5.0%#188Artificial Analysis
Analyst Agent (AA)不计入 Index––1.3%#52Artificial Analysis
Terminal-Bench 2.0 (Vals)不计入 Index–16.9%#60–Vals AI
AutomationBench不计入 Index––1.0%#232Artificial Analysis
GDP.pdf (AA)不计入 Index––0.0%#256Artificial Analysis
AA-Briefcase v1.1不计入 Index––242#236Artificial Analysis
Terminal-Bench-Science 0.1 (AA)不计入 Index––0.0%#115Artificial Analysis

指令遵循

基准测试无推理thinking来源趋势
IFBench32.8%#34148.2%#187Artificial Analysis

多模态

基准测试无推理highthinking来源趋势
MMMU-Pro46.5%#265–56.8%#236Artificial Analysis
SAGE不计入 Index–59.2%#29–Vals AI

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.128.3%#42249.7%#345Artificial Analysis
MLCR不计入 Index–1.7%#174Artificial Analysis

综合

基准测试无推理thinking来源趋势
AA Intelligence Index v5.0.1不计入 Index–4.3#126Artificial Analysis
AA Intelligence Index v4.3.2不计入 Index9.0#42611.3#366Artificial Analysis
AA Progress Index v1不计入 Index181.8#471219.4#353Artificial Analysis

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Mistral144 tok/s0.42 s$0.165$0.660262k–
Mistral127 tok/s0.51 s$0.150$0.600262k–
Mistral106 tok/s0.41 s$0.165$0.660262k–

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,价格为每百万 token $0.015。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$0.0002$0.000215.2 s
总结一份 30 页的报告12,000 / 600$0.0022$0.000917.3 s
代码编辑6,000 / 1,500$0.0018$0.001223.6 s
智能体编程会话60,000 / 4,000$0.011$0.005340.9 s
结构化信息提取2,000 / 200$0.0004$0.000214.5 s

Mistral AI 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Mistral Small 4 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。

[![Mistral Small 4 on BenchLeader: 综合第 260 名](https://www.benchleader.com/badge/mistral-small-4.svg)](https://www.benchleader.com/models/mistral-small-4)

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 Small 4 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/mistral-small-4

BibTeX:

@misc{benchleader_mistral_small_4_20261116,
  author       = {{BenchLeader}},
  title        = {{Mistral Small 4 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/mistral-small-4}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Mistral Small 4 的基准测试得分是多少?
截至 2026年11月16日,Mistral Small 4(推理强度 thinking)的 BenchLeader Index 为 40.5 ±6.0。最强的是指令遵循(50),最弱的是编程(28)。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 Small 4 排名第几?
截至 2026年11月16日,Mistral Small 4(推理强度 thinking)在 608 个已排名配置中排第 526 名。另有 191 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 Small 4 每百万 token 的价格是多少?
截至 2026年11月16日,Mistral Small 4 的价格为输入每百万 token $0.150、输出每百万 token $0.600,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.262。
Mistral Small 4 是什么时候发布的?
Mistral AI 于 2026年3月16日发布了 Mistral Small 4。BenchLeader 收录了它在 4 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Mistral Small 4: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-small-4。