Todos los lanzamientos

Claude Opus 5.5 vs. Mistral Small 4: comparación de lanzamientos

Comparación de los lanzamientos Claude Opus 5.5 y Mistral Small 4: 5 y 2 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 7 modelos.

  • En inteligencia, Claude Opus 5.5 obtiene la puntuación más alta: Claude Opus 5.5 (Max, Default Fallback), con 59, frente a Mistral Small 4 (Reasoning), con 4 de Mistral Small 4.
  • En tiempo por tarea, Mistral Small 4 es el más rápido: Mistral Small 4 (Reasoning), con 1.7 min, frente a Claude Opus 5.5 (Low, Default Fallback), con 3.0 min de Claude Opus 5.5.
  • En costo por tarea, Mistral Small 4 es el más económico: Mistral Small 4 (Reasoning), con $0.0399, frente a Claude Opus 5.5 (Low, Default Fallback), con $0.98 de Claude Opus 5.5.
Playground de modelos

Lanzamientos comparados

Claude Opus 5.5 (max)Claude Opus 5.5 (xhigh)Claude Opus 5.5 (high)Claude Opus 5.5 (medium)Claude Opus 5.5 (low)Mistral Small 4Mistral Small 4 (non-reasoning)
Intelligence Index
59
57
52
48
35
4
--
Finanzas y contabilidad
59
56
53
51
42
12
--
Estrategia y operaciones
61
59
58
56
48
7
--
Jurídico
58
55
52
50
43
12
--
Salud y medicina
58
56
52
51
45
9
--
Costo por tareaUSD
$10.04
$6.05
$3.46
$2.45
$0.98
$0.0399
--
Tiempo por tareaMinutos
25.4
15.7
9.5
6.9
3.0
1.7
--
Tiempo hasta el primer token de respuestas
396.07
88.46
27.87
17.60
5.02
10.20
1.62
Ventana de contexto
1M
1M
1M
1M
1M
256k
256k
Creador
Anthropic
Anthropic
Anthropic
Anthropic
Anthropic
Mistral
Mistral
Licencia
Propietario
Propietario
Propietario
Propietario
Propietario
Abierto
Abierto
Modalidad de entrada

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Modalidad de salida

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Proveedores
AnthropicAmazon BedrockGoogleMicrosoft Azure
Anthropic
Anthropic
Anthropic
AnthropicAmazon BedrockGoogleMicrosoft Azure
Mistral
Mistral
Updated
Artificial Analysis Intelligence Index · Higher is better
Inference time (minutes) per Intelligence Index task · Lower is better
Weighted average cost (USD) per Intelligence Index task · Lower is better

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Claude Opus 5.5
Pareto line

Costo por tarea (USD, escala logarítmica)

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Rendimiento

Tiempo por tarea del Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

Puntuaciones de capacidades

Índices de capacidades

Mide el rendimiento de los modelos en capacidades e industrias específicas
Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

AA-PersonalityBenchNew

Índices de personalidad

Cada eje es uno de los 8 índices de personalidad: la media de las puntuaciones z de Elo de sus rasgos, convertida en un rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark