Mistral Large 4 vs. Beam 1.0: comparación de lanzamientos
Comparación de los lanzamientos Mistral Large 4 y Beam 1.0: 2 modelos y 1 modelo respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 3 modelos.
- En inteligencia, Mistral Large 4 obtiene la puntuación más alta: Mistral Large 4 (High), con 26, frente a Beam 1.0, con 18.
- En tiempo por tarea, Beam 1.0 es el más rápido, con 2.2 min, frente a Mistral Large 4 (Medium), con 16.6 min de Mistral Large 4.
- En costo por tarea, Beam 1.0 es el más económico, con $0.28, frente a Mistral Large 4 (Medium), con $1.41 de Mistral Large 4.
| Mistral Large 4 (high) | Mistral Large 4 (medium) | Beam 1.0 | |
|---|---|---|---|
| Intelligence Index | 26 | 23 | 18 |
| Finanzas y contabilidad | 39 | 35 | 30 |
| Estrategia y operaciones | 43 | 39 | 34 |
| Jurídico | 35 | 31 | 28 |
| Salud y medicina | 37 | -- | 31 |
| Costo por tareaUSD | $2.06 | $1.41 | $0.28 |
| Tiempo por tareaMinutos | 24.0 | 16.6 | 2.2 |
| Tiempo hasta el primer token de respuestas | 88.93 | 53.71 | 7.74 |
| Ventana de contexto | 1M | 1M | 1M |
| Creador | |||
| Licencia | Abierto | Abierto | Abierto |
| Modalidad de entrada | Admite: texto e imágenes | Admite: texto e imágenes | Admite: texto |
| Modalidad de salida | Admite: texto | Admite: texto | Admite: texto |
| Proveedores | |||
Inteligencia
Artificial Analysis Intelligence Index
Intelligence Index vs. costo por tarea
Costo por tarea (USD, escala logarítmica)
Costo
Costo por tarea del Intelligence Index
Rendimiento
Tiempo por tarea del Intelligence Index
Puntuaciones de capacidades
Índices de capacidades
Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better
Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better
Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better
Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better
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
Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Physics reasoning
Agentic real-world work tasks, Elo
Product and brand videos designed in code, Elo
Medical long context reasoning
Rich, varied, well-crafted language
Well-structured, scannable, answer-first
Truthful, acknowledges uncertainty, non-sycophantic
Use of filler and generic language