すべてのリリース

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

Mistral Small 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。

  • 知能では、Mistral Small 4とgpt-oss-120bが4で並んでいます（Mistral Small 4 (Reasoning)とgpt-oss-120b (High)）。
  • タスクあたりの時間が最も短いのはMistral Small 4です。Mistral Small 4 (Reasoning)（1.7分）に対し、gpt-oss-120bはgpt-oss-120b (High)（7.5分）です。
  • タスクあたりの費用が最も低いのはMistral Small 4です。Mistral Small 4 (Reasoning)（$0.0399）に対し、gpt-oss-120bはgpt-oss-120b (High)（$0.35）です。
モデルPlayground

比較するリリース

Mistral Small 4gpt-oss-120b (high)Mistral Small 4 (non-reasoning)gpt-oss-120b (low)
Intelligence Index
4
4
--
--
財務・会計
12
8
--
--
戦略・オペレーション
7
6
--
--
法務
12
8
--
--
医療・ヘルスケア
9
6
--
--
タスクあたりの費用USD
$0.0399
$0.35
--
--
タスクあたりの時間分
1.7
7.5
--
--
最初の回答トークンまでの時間秒
10.20
15.05
1.62
2.21
コンテキストウィンドウ
256k
131k
256k
131k
開発元
Mistral
OpenAI
Mistral
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

対応：テキスト、画像

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
GroqScalewayCoreWeave
+12
Mistral
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
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