すべてのリリース

Mistral Large 4 vs. gpt-oss-120b：リリース比較

Mistral Large 4とgpt-oss-120bのリリース比較：それぞれ2個と2個のモデルがあり、知能・性能・料金の特性が異なります。以下では、全4個のモデルの主要指標を比較します。

  • 知能が最も高いのはMistral Large 4です。Mistral Large 4 (High)（26）に対し、gpt-oss-120bはgpt-oss-120b (High)（4）です。
  • タスクあたりの時間が最も短いのはgpt-oss-120bです。gpt-oss-120b (High)（7.5分）に対し、Mistral Large 4はMistral Large 4 (Medium)（10.4分）です。
  • タスクあたりの費用が最も低いのはgpt-oss-120bです。gpt-oss-120b (High)（$0.35）に対し、Mistral Large 4はMistral Large 4 (Medium)（$1.41）です。
モデルPlayground

比較するリリース

Mistral Large 4 (high)Mistral Large 4 (medium)gpt-oss-120b (high)gpt-oss-120b (low)
Intelligence Index
26
23
4
--
財務・会計
39
35
8
--
戦略・オペレーション
43
39
6
--
法務
35
31
8
--
医療・ヘルスケア
37
--
6
--
タスクあたりの費用USD
$2.06
$1.41
$0.35
--
タスクあたりの時間分
13.1
10.4
7.5
--
最初の回答トークンまでの時間秒
41.42
25.96
15.05
2.21
コンテキストウィンドウ
1M
1M
131k
131k
開発元
Mistral
Mistral
OpenAI
OpenAI
ライセンス
オープン
オープン
オープン
オープン
入力モダリティ

対応：テキスト、画像

対応：テキスト、画像

対応：テキスト

対応：テキスト

出力モダリティ

対応：テキスト

対応：テキスト

対応：テキスト

対応：テキスト

プロバイダー
Mistral
Mistral
GroqScalewayCoreWeave
+12
NebiusSambaNovaGoogle
+11
Updated

知能

Artificial Analysis Intelligence Index · Higher is better

タスクあたりの時間

Inference time (minutes) per Intelligence Index task · Lower is better

タスクあたりの費用

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

知能Updated

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 とタスクあたりのコスト

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Mistral Large 4
Pareto line
AA-Briefcase v1.1
AutomationBench-AA

タスク当たりのコスト（USD、対数スケール）

費用

Intelligence Index タスクあたりのコスト

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

パフォーマンス

Intelligence Indexのタスクあたりの時間

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

能力スコア

能力指数

特定の能力や業界におけるモデルの性能を測定
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