Mistral

•

Mistral Small 4

•

Open weights model

•

Released März 2026

Mistral Small 4 (Reasoning): Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren Benchmarks der API-Anbieter

Kosten

Eingabe 0,15 $Ausgabe 0,60 $Cache-Rabatt 90%

$0.02

Kosten pro Intelligence-Index-Aufgabe

Mistral Small 4 (Reasoning) zählt bei der Intelligenz zu den führenden Modellen, ist aber etwas teuer im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe. Das Modell ist außerdem schneller als der Durchschnitt und antwortet äußerst knapp. Das Modell unterstützt Text und Bilder als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 256k Tokens.

Mistral Small 4 (Reasoning) erzielt im Artificial Analysis Intelligence Index einen Wert von 11 und liegt damit deutlich über dem Durchschnitt der vergleichbaren Modelle (Median: 8). Bei der Evaluation des Intelligence Index erzeugte es 54M Tokens und antwortete damit sehr knapp im Vergleich zum Median von 100M.

Der Preis für Mistral Small 4 (Reasoning) beträgt $0.15 pro 1 Mio. Eingabetokens (etwas teuer; Median: $0.07) und $0.60 pro 1 Mio. Ausgabetokens (etwas teuer; Median: $0.22). Im Durchschnitt kostet die Evaluation von Mistral Small 4 (Reasoning) im Intelligence Index $0.02 pro Aufgabe.

Mit 177 Tokens pro Sekunde ist Mistral Small 4 (Reasoning) schneller als der Durchschnitt (Median: 115).

Reasoning	Ja Diese Seite zeigt die Reasoning-Version dieses Modells. Möglicherweise gibt es auch eine Variante ohne Reasoning.
Eingabemodalität	Unterstützt: Text und Bilder
Ausgabemodalität	Unterstützt: Text
Kontextfenster	256k ~384 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter	119B
Aktive Parameter	6.5B Anzahl der pro Token während der Inferenz aktiven Parameter
Lizenz	Apache 2.0
Modellgewichte	Hugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Not publicly available

Geschwindigkeit

Output tokens per second · Higher is better

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

Not publicly available

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Not publicly available

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Not publicly available

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Fähigkeitsindizes

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Artificial Analysis Index für Finanzen und Rechnungswesen

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Not publicly available

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

Not publicly available

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench 4.0

Agentic coding & terminal use

SciCodeUnder review

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AA

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1Updated

AA-Briefcase-Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

Not publicly available

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Not publicly available

Openness Index

Artificial Analysis Openness Index: Wert

Der Openness Index bewertet die Offenheit von Modellen auf einer normierten Skala von 0 bis 100 (höher bedeutet offener)

Vergleiche des Intelligence Index

Intelligence Index vs. Kosten pro Intelligence-Index-Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Tokenverbrauch

Ausgabe-Token pro Intelligence-Index-Aufgabe

Gewichtete durchschnittliche Anzahl an Ausgabe-Token für eine Aufgabe im Artificial Analysis Intelligence Index

Not publicly available

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

Kosten

Kosten pro Intelligence-Index-Aufgabe

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Not publicly available

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

Not publicly available

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

Not publicly available

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Kontextfenster

Context window: tokens limit · Higher is better

Not publicly available

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Ausgabegeschwindigkeit

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Zeit pro Intelligence-Index-Aufgabe

Weighted average decode time (minutes) per task; excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Latenz

Gemessen anhand der Zeit (in Sekunden) bis zum ersten Token

Latenz: Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antwort-Token · Berücksichtigt die „Denkzeit“ von Reasoning-Modellen

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Häufig gestellte Fragen

Häufige Fragen zu Mistral Small 4 (Reasoning)

Mistral Small 4 (Reasoning) wurde am 16. März 2026 veröffentlicht.

Mistral Small 4 (Reasoning) wurde von Mistral entwickelt.

Mistral Small 4 (Reasoning) erzielt im Artificial Analysis Intelligence Index einen Wert von 11 und liegt damit im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe deutlich über dem Durchschnitt (Median: 8).

Mistral Small 4 (Reasoning) erzeugt Ausgaben mit 177.3 Tokens pro Sekunde (auf Grundlage der API von Mistral). Dies ist über dem Durchschnitt im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe (Median: 114.7 Tokens/s).

Mistral Small 4 (Reasoning) hat eine Zeit bis zum ersten Token (TTFT) von 0.69 s (auf Grundlage der API von Mistral). Dies ist sehr konkurrenzfähig im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe (Median: 2.17 s).

Mistral Small 4 (Reasoning) kostet $0.15 pro 1 Mio. Eingabetokens (sehr konkurrenzfähig; Median: $0.30) und $0.60 pro 1 Mio. Ausgabetokens (besser als der Durchschnitt; Median: $0.81). Die Angaben basieren auf der API von Mistral.

Mistral Small 4 (Reasoning) kostet $0.15 pro 1 Mio. Eingabetokens und $0.60 pro 1 Mio. Ausgabetokens (auf Grundlage der API von Mistral). Bei einem Mischpreis mit einem Verhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe entspricht dies $0.10 pro 1 Mio. Tokens. Der Preis kann je nach Anbieter variieren. Preise der Anbieter vergleichen

Bei der Evaluation des Intelligence Index erzeugte Mistral Small 4 (Reasoning) 54M Ausgabetokens. Dies ist sehr konkurrenzfähig im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe (Median: 100M).

Ja, Mistral Small 4 (Reasoning) ist ein Reasoning-Modell. Es nutzt längere Denkprozesse oder Chain-of-Thought-Reasoning, um komplexe Probleme zu bearbeiten, bevor es eine Antwort gibt.

Mistral Small 4 (Reasoning) unterstützt Text und Bilder als Eingabe.

Mistral Small 4 (Reasoning) unterstützt Text als Ausgabe.

Ja, Mistral Small 4 (Reasoning) unterstützt Bildeingaben und kann Bilder analysieren, beschreiben und Fragen dazu beantworten.

Ja, Mistral Small 4 (Reasoning) ist multimodal. Es kann Text und Bilder als Eingabe verarbeiten und Text als Ausgabe erzeugen.

Mistral Small 4 (Reasoning) hat ein Kontextfenster von 260k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, Mistral Small 4 (Reasoning) hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

Mistral Small 4 (Reasoning) hat 119 Milliarden Parameter (6,5 Milliarden aktiv).

Mistral Small 4 (Reasoning) ist ein Mixture-of-Experts-Modell (MoE) mit insgesamt 119 Milliarden Parametern, von denen während der Inferenz jedoch nur 6,5 Milliarden aktiv sind.

Mistral Small 4 (Reasoning) wird unter der Lizenz Apache 2.0 veröffentlicht. Diese Lizenz erlaubt die kommerzielle Nutzung. Lizenz anzeigen

Mistral Small 4 (Reasoning) erzielt im Artificial Analysis Intelligence Index einen Wert von 11. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Schlussfolgern, Wissen, Mathematik und Programmierung.

Ja, Mistral Small 4 (Reasoning) ist über 1 Anbieter per API verfügbar. API-Anbieter vergleichen

Mistral Small 4 (Reasoning) ist über 1 API-Anbieter verfügbar. Anbieter vergleichen

Mistral Small 4 (Reasoning): Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Zusammenfassung des Vergleichs

Technische Spezifikationen

65 Modelle in dieser Klasse

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Artificial Analysis Intelligence Index

Open Weights

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1Updated

AA-Briefcase-Elo

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: Wert

Vergleiche des Intelligence Index

Intelligence Index vs. Kosten pro Intelligence-Index-Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Tokenverbrauch

Ausgabe-Token pro Intelligence-Index-Aufgabe

Output Tokens per Intelligence Index Task

Kosten

Kosten pro Intelligence-Index-Aufgabe

Cost per Intelligence Index Task

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preise: Cache-Treffer, Eingabe und Ausgabe

Cache Hit

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Geschwindigkeit

Ausgabegeschwindigkeit

Output Speed

Model Performance Representation

Zeit pro Intelligence-Index-Aufgabe

Time per Intelligence Index Task

Latenz

Latenz: Zeit bis zum ersten Antworttoken

Time to First Answer Token

Ende-zu-Ende-Antwortzeit

Ende-zu-Ende-Antwortzeit

End-to-End Response Time

Model Performance Representation

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Total Parameters

Active Parameters at Inference Time

Häufig gestellte Fragen

Wann wurde Mistral Small 4 (Reasoning) veröffentlicht?

Wer hat Mistral Small 4 (Reasoning) entwickelt?

Wie intelligent ist Mistral Small 4 (Reasoning)?

Wie schnell ist Mistral Small 4 (Reasoning)?

Wie hoch ist die Latenz von Mistral Small 4 (Reasoning)?

Wie viel kostet Mistral Small 4 (Reasoning)?

Wie gestaltet sich der API-Preis von Mistral Small 4 (Reasoning)?

Wie ausführlich antwortet Mistral Small 4 (Reasoning)?

Ist Mistral Small 4 (Reasoning) ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt Mistral Small 4 (Reasoning)?

Welche Ausgabemodalitäten unterstützt Mistral Small 4 (Reasoning)?

Kann Mistral Small 4 (Reasoning) Bilder verarbeiten?

Ist Mistral Small 4 (Reasoning) multimodal?

Wie groß ist das Kontextfenster von Mistral Small 4 (Reasoning)?

Hat Mistral Small 4 (Reasoning) offene Gewichte?

Wie viele Parameter hat Mistral Small 4 (Reasoning)?

Was sind die aktiven Parameter von Mistral Small 4 (Reasoning)?

Unter welcher Lizenz steht Mistral Small 4 (Reasoning)?

Wie schneidet Mistral Small 4 (Reasoning) in Benchmarks ab?

Ist Mistral Small 4 (Reasoning) über eine API verfügbar?

Wo kann ich Mistral Small 4 (Reasoning) verwenden?