Todos los lanzamientos

Mistral Large 4 vs. GPT-6.1 Sol: comparación de lanzamientos

Comparación de los lanzamientos Mistral Large 4 y GPT-6.1 Sol: 2 y 5 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, GPT-6.1 Sol obtiene la puntuación más alta: GPT-6.1 Sol (Max), con 55, frente a Mistral Large 4 (High), con 26 de Mistral Large 4.
  • En velocidad de salida, Mistral Large 4 es el más rápido: Mistral Large 4 (High), con 161 tokens/s, frente a GPT-6.1 Sol (Max), con 79 tokens/s de GPT-6.1 Sol.
  • En costo por tarea, GPT-6.1 Sol es el más económico: GPT-6.1 Sol (Low), con $0.16, frente a Mistral Large 4 (Medium), con $1.41 de Mistral Large 4.
Playground de modelos

Lanzamientos comparados

GPT-6.1 Sol (max)GPT-6.1 Sol (xhigh)GPT-6.1 Sol (high)GPT-6.1 Sol (medium)GPT-6.1 Sol (low)Mistral Large 4 (high)Mistral Large 4 (medium)
Intelligence Index
55
52
50
46
35
26
23
Finanzas y contabilidad
56
55
53
51
44
39
35
Estrategia y operaciones
58
57
55
53
46
43
39
Jurídico
54
54
52
49
43
35
31
Salud y medicina
52
51
49
46
40
--
--
Costo por tareaUSD
$1.27
$0.76
$0.59
$0.36
$0.16
$2.06
$1.41
Velocidad de salidaTokens/s
79
68
68
65
66
161
--
Tiempo hasta el primer tokens
249,48
96,89
27,81
3,44
1,91
1,42
--
Ventana de contexto
1M
1M
1M
1M
1M
1M
1M
Creador
OpenAI
OpenAI
OpenAI
OpenAI
OpenAI
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
OpenAIMicrosoft Azure
OpenAI
OpenAI
OpenAI
OpenAI
Mistral
Mistral
Updated
Artificial Analysis Intelligence Index · Higher is better
Output tokens per second · Higher is better
Weighted average cost (USD) per Intelligence Index task · Lower is better

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 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
Mistral Large 4
GPT-6.1 Sol
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

Velocidad y latencia

Velocidad de salida

Output tokens per second · Higher 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 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Briefcase v1.1, AA-Omniscience 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