Mistral Large 4 vs. GPT-6 Luna: comparación de lanzamientos

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

Comparación de los lanzamientos Mistral Large 4 y GPT-6 Luna: 2 y 6 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 8 modelos.

En inteligencia, GPT-6 Luna obtiene la puntuación más alta: GPT-6 Luna (Max), con 28, 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 Luna (Xhigh), con 122 tokens/s de GPT-6 Luna.
En costo por tarea, GPT-6 Luna es el más económico: GPT-6 Luna (Low), con $0.01, frente a Mistral Large 4 (Medium), con $1.41 de Mistral Large 4.

Playground de modelos

Lanzamientos comparados


	GPT-6 Luna (max)	Mistral Large 4 (high)	GPT-6 Luna (xhigh)	Mistral Large 4 (medium)	GPT-6 Luna (high)	GPT-6 Luna (medium)	GPT-6 Luna (low)	GPT-6 Luna (non-reasoning)
Intelligence Index	28	26	23	23	21	18	10	9
Finanzas y contabilidad	34	39	31	35	29	26	17	19
Estrategia y operaciones	43	43	39	39	38	34	17	17
Jurídico	32	35	28	31	27	24	16	17
Salud y medicina	35	--	30	--	29	27	16	16
Ingeniería	33	33	29	31	27	25	19	17
Economía	35	37	32	33	30	28	19	20
AA-Briefcase v1.1	1336	1349	1235	1188	1186	1097	740	902
AutomationBench-AA	53.2%	57.8%	47.8%	52.8%	47.8%	40.5%	12.0%	9.1%
Terminal-Bench 4.0	12.6%	24.7%	8.1%	23.2%	4.5%	2.5%	0.0%	1.5%
FrontierCode 2.0	25.2%	15.0%	18.4%	13.3%	18.6%	12.8%	2.2%	1.6%
AA-Omniscience v1.1	−8	5	−13	3	−13	−14	−18	−26
GDP.pdf	22.8%	17.6%	18.6%	16.8%	18.2%	13.8%	9.0%	5.8%
HLE-Diamond	22.2%	17.3%	18.9%	13.9%	15.6%	15.1%	10.2%	6.3%
CritPt v2 (Hard Subset)	41.5%	26.0%	35.5%	22.0%	30.5%	26.0%	9.5%	4.5%
Terminal-Bench-Science 0.1	8.6%	4.3%	5.2%	3.3%	2.9%	1.4%	1.0%	1.0%

Costo por tareaUSD	$0.15	$2.06	$0.10	$1.41	$0.07	$0.04	$0.01	$0.07
Precio de entradaUSD/1M tokens	$0.10	$0.70	$0.10	$0.70	$0.10	$0.10	$0.10	$0.10
Precio de salidaUSD/1M tokens	$0.50	$2.10	$0.50	$2.10	$0.50	$0.50	$0.50	$0.50
Precio de lectura de cachéUSD/1M tokens	$0.01	$0.07	$0.01	$0.07	$0.01	$0.01	$0.01	$0.01
Precio de escritura de cachéUSD/1M tokens	$0.125	$0.70	$0.125	$0.70	$0.125	$0.125	$0.125	$0.125

Velocidad de salidaTokens/s	122	161	122	--	117	--	109	114
Tiempo hasta el primer tokens	76,60	1,42	16,90	--	10,48	--	2,14	0,88
Tiempo hasta el primer token de respuestas	76,60	13,82	16,90	--	10,48	--	2,14	0,88
Tiempo de respuesta de extremo a extremos	80,71	16,92	21,01	--	14,76	--	6,74	5,25
Tiempo por tareas	611,16	381,58	355,95	--	281,71	--	30,49	87,60

Ventana de contexto	1M	1M	1M	1M	1M	1M	1M	1M
Creador	OpenAI	Mistral	OpenAI	Mistral	OpenAI	OpenAI	OpenAI	OpenAI
Licencia	Propietario	Abierto	Propietario	Abierto	Propietario	Propietario	Propietario	Propietario
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	Admite: texto e imágenes
Modalidad de salida	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto
Proveedores

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Velocidad

Output tokens per second · Higher is better

Costo por tarea

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

Artificial Analysis Intelligence Index v5.0 includes: 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), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

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 Luna

Pareto line

AA-Briefcase v1.1

AutomationBench-AA

Costo por tarea (USD, escala logarítmica)

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.

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

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.

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

Benchmarks

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

Mistral Large 4 vs. GPT-6 Luna: comparación de lanzamientos

Inteligencia

Velocidad

Costo por tarea

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Velocidad y latencia

Velocidad de salida

Output Speed

Model Performance Representation

Puntuaciones de capacidades

Índices de capacidades

Benchmarks

AA-PersonalityBenchNew

Índices de personalidad