M

Mistral Small (Sep '24)

企業向けの220億パラメータモデルで、翻訳、要約、感情分析などのタスクを処理するように最適化されています。前代バージョンと比較して、人間との整合性、推論能力、コード生成能力のすべてにおいて著しい向上が見られます。
インテリジェンス(比較的弱い)
速度(比較的遅い)
入力サポートモダリティ
いいえ
推論モデルかどうか
32,768
コンテキストウィンドウ
32,768
最大出力トークン
-
知識カットオフ

価格設定

¥1.44 /M tokens
入力
¥4.32 /M tokens
出力
¥2.16 /M tokens
混合価格

クイック簡易比較

入力

出力

Devstral Small (May '25)
¥0.1
Devstral Medium
¥0.4
Devstral
¥0.1

基本パラメータ

Mistral Small (Sep '24)技術パラメータ
パラメータ数
22,000.0M
コンテキスト長
32.77k tokens
トレーニングデータカットオフ
オープンソースカテゴリ
Open Weights (License Required for Commercial Use)
マルチモーダルサポート
テキストのみ
スループット
0
リリース日
2024-09-17
応答速度
94.7,148 tokens/s

ベンチマークスコア

以下はMistral Small (Sep '24)の様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
27.43
大規模言語モデルインテリジェンスレベル
コーディング指数
14.85
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
31.3
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
52.9
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
38.1
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
4.3
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
14.1
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
15.6
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
80.6
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
56.3
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
6.3
高難度の数学競技問題(特にAIMEレベル)を解決するAIモデルの能力を測定する指標
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase