Mistral Large 4 0

中等价位、能读长文、会看图的模型

聪明暂无

编程中等

记性1.0M

便宜$2.1

记性换算成体感：一次能读完《哈利·波特》全七部

Mistral Large 系列的视觉模型 · 按发布时间

电脑

没有公开的编程评测成绩

书架

5 层 · 记忆 1.0M tokens

黑板

数学与科学推理

日历

知识截止日期未公开

冰箱

支持上下文缓存，能存记忆

门禁

闭源，权重不公开

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录，不代表它做不到——本站不会用估算值填补空缺。

FrontierCode39.4%
Cognition 出的高难度代码题集，面向前沿模型。第三方实测
https://cognition.com/frontiercode
ALE-Bench1213
AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测
https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

数学

FrontierMath58.6%第 45 / 112
由职业数学家出的原创难题，连数学博士都要花几小时甚至几天。分数是解出的比例，能过一成就是前沿水平。第三方实测
https://epoch.ai/frontiermath
FrontierMath 第四层26.8%第 37 / 84
FrontierMath 里最难的一层，研究级别的问题，绝大多数模型接近零分。第三方实测
https://epoch.ai/frontiermath
AIME 数学98.3%第 23 / 205
美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测
https://epoch.ai/benchmarks
ProofBench10.0%第 77 / 96
不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测
https://www.vals.ai/benchmarks/proof_bench

知识与推理

GPQA 科学88.1%第 62 / 209
博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测
https://epoch.ai/benchmarks
SimpleQA 事实问答20.0%第 95 / 108
一问一答的冷门事实题，测的是「知不知道」和「会不会瞎编」。分数低的模型更容易一本正经地胡说。第三方实测
https://www.kaggle.com/benchmarks/deepmind/simpleqa-verified
CritPt 物理10.6%第 51 / 178
研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测

智能体

Surface Evolver28.1%第 25 / 34
用一款专业的曲面数值软件完成计算任务，考的是驾驭陌生专业工具的能力。第三方实测
https://yhenon.github.io/surface-evolver-llm-eval/

游戏与谜题

国际象棋残局33.0%第 52 / 108
给一个棋局找出最佳着法。分数是解对的比例，随机乱走约 5 分。第三方实测
https://epoch.ai/benchmarks/chess-puzzles
推理游戏谜题17.0%第 65 / 104
Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测
https://epoch.ai/benchmarks

其他