Sari la conținut
aiqbench

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Mistral · pașaport de model

Mistral Large 4

mistral-large-4
  • Doar în cloud
  • Licență Proprietary
  • Lansat 2026-10-13(văzut prima dată pe LMArena)
7/27axe acoperite
General · LMArena
1,432#99 din 396
Cea mai bună percentilă
81.3Programare
Poziția în cohortă
59.9mediană 60.8

Ce spun datele

Evaluat pe 7 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 55,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 81.3 pct pe Programare față de 25.5 pct pe Agent Arena.

  • Programare81.3 pct1,498Verifică →
  • Urmarea instrucțiunilor75.8 pct1,422Verifică →
  • General75.3 pct1,432Verifică →
  • Prompturi dificile75.3 pct1,453Verifică →
  • WebDev Arena72.7 pct1,542Verifică →
  • Factuality Arena43 pct1,433Verifică →
  • Agent Arena25.5 pct-0.040Verifică →
  • Vision ArenaNeevaluat
  • Search ArenaNeevaluat
  • Document ArenaNeevaluat
  • GPQA DiamondNeevaluat
  • AIME (matematică)Neevaluat
  • FrontierMathNeevaluat
  • SimpleQA VerifiedNeevaluat
  • ARC-AGI-2Neevaluat
  • Humanity's Last ExamNeevaluat
  • SimpleBenchNeevaluat
  • LiveBenchNeevaluat
  • BFCL v4 (apelare de funcții)Neevaluat
  • SWE-bench Verified (clasament live)Neevaluat
  • Terminal-Bench 4.0Neevaluat
  • MMLU-Pro (Artificial Analysis)Neevaluat
  • LiveCodeBench (Artificial Analysis)Neevaluat
  • IFBench (Artificial Analysis)Neevaluat
  • Halucinații HHEM (Vectara)Neevaluat
  • SWE-bench VerifiedNeevaluat
  • Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

  • mistral-large-4 stands at 59.9 (raw mean 64.1) — measured on 7 of 27 axes.

    pozițieșablonVerifică →

  • mistral-large-4 stands at 59.9 versus a cohort median of 60.8 across 168 models released within 180 days — below the peer median.

    cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →