跳到正文

Mistral Large 4

数据来源:AIHOT

← 模型榜
Mistral AI

上线日期: 2026-10-06 · 上下文: 52.4万 Token

开源权重 ↗
55.8

综合排名 59

官方 API 价格 ¥ / 百万 Token

输入
¥4.67 ($0.7)
输出
¥14 ($2.1)
缓存命中
¥0.47 ($0.07)
官方价格页 ↗

领域能力

榜单名次评分评测数
综合5955.827
编程5556.78
科研6253.66
专业办公4761.88
知识问答7050.62

编程 · 56.7

评测机构公布的成绩折算分原榜名次核实日期备注
Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI78.4%63.3412026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Vals AI27.8%62.7322026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis23.2%61.7942026-11-18
备注

代表配置:Medium 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。

Terminal-Bench27.6%61.4402026-11-18
备注

代表配置:Max 推理 · Claude Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Cognition19.7%60.4832026-11-18
备注

代表配置:High 推理 · Mistral Vibe。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Artificial Analysis13.3%55.5992026-11-18
备注

代表配置:Medium 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor37.0%55.3452026-11-18
备注

代表配置:High 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

WeirdML v3 ↗

面对陌生数据,弄清问题并做出机器学习或数据分析方案。

Håvard Tveit Ihle3.7%50272026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:High 推理 · opencode。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

科研 · 53.6

评测机构公布的成绩折算分原榜名次核实日期备注
BioMysteryBench ↗

分析真实的生物数据,推断出背后的生物学答案。

Vals AI67.0%63.5232026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis11.1%56.81292026-11-18
备注

代表配置:Medium 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Artificial Analysis3.3%56.51042026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:Medium 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt v2 Hard ↗

修订版研究级物理题里较难的 40 道,可以写代码辅助演算。

Artificial Analysis22.5%54.91072026-11-18
备注

代表配置:Medium 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MysteryMechanism ↗

自己设计实验,去推断一套隐藏的规律。

Vals AI12.2%51.5332026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

致知 · 逻辑月榜 ↗

个人长期维护的难题榜:用中文出的逻辑、数学、空间和编程题,看模型能不能想清楚。

llm20146.4%36.6402026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 61.8

评测机构公布的成绩折算分原榜名次核实日期备注
Harvey 法律 Agent 基准 v1.1 ↗

处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。

Vals AI17.5%74.592026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Excel Modeling v1.1 ↗

在 Excel 里搭财务模型:在模板上补全,或者从零建表。

Vals AI69.0%66.3272026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Finance Agent v2.1 ↗

金融分析师的日常工作:查公司财报、做计算和分析。

Vals AI61.4%65.9242026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI30.4%65.9362026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis52.8%63.71102026-11-18
备注

代表配置:Medium 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor51.6%61.6422026-11-18
备注

代表配置:High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI31.7%59.1592026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis1,187.455.81312026-11-18
备注

代表配置:Medium 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MedCode ↗

读住院记录,给出标准的医疗诊断编码。

Vals AI40.7%—612026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

知识问答 · 50.6

评测机构公布的成绩折算分原榜名次核实日期备注
AA-Omniscience v1.1 ↗

各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。

Artificial Analysis3.353872026-11-18
备注

代表配置:Medium 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur27.4%32.51142026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 52.7

评测机构公布的成绩折算分原榜名次核实日期备注
Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,566.358.8492026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,420.439.41342026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

还没有成绩的评测

  • LiveBench · 编程综合
  • SciCode · AA
  • Code Migration v1.1
  • ProgramBench
  • MirrorCode
  • CyberBench Patch v1.1
  • FrontierSWE v2
  • TapTap Maker
  • HLE · AA
  • FrontierMath v2 · Tiers 1–3
  • LiveBench · 推理与数学
  • 司南 · 推理
  • ARC-AGI-2
  • 司南 · 抽象
  • Chess Puzzles
  • Mystery Game Puzzles
  • Terminal-Bench Science · Vals
  • GDPval-AA
  • Harvey LAB 1.1 · AA
  • τ³-Banking · Mercor
  • LiveBench · 数据分析
  • AA-Analyst Agent
  • SimpleQA Verified
  • 司南 · 知识
  • AA-LCR
  • MLCR-AA
  • LiveBench · 语言与指令
  • BullshitBench · 错误前提

最近的新闻

11-07This Week in AI:Gemini 4 Carbon、Mistral Large 4 等新模型发布,投资者质疑 AI 支出O'Reilly Radar

11-06Mistral 扩展 Mistral Studio,配合 Mistral Large 4 (Le Chonk) 构建企业级智能体、工作流和应用Mistral AI:News

11-04Mistral Large 4 实测 Django CVE 漏洞修复Mistral AI

11-04Mistral Large 4 上线 Open Math OS,1.05T 开源权重、1M 上下文Mistral AI

11-03Mistral Large 4 打造卫星追踪应用Mistral AI

11-03Mistral Large 4 以开放权重发布并附技术报告Mistral AI