
Mistral Small (Feb '24)
Mistral AI が 2024 年 2 月にリリースした小型モデルで、効率と性能のバランスが良好です。Mistral の初期の重要なバージョンとして、同社の小型高効率モデルにおける技術力を示しました。優れた多言語サポートと推論能力を備え、後続の Small シリーズの開発の基礎を築きました。リソースが限られているが信頼性の高い AI 能力が必要なアプリケーションシナリオに適しています。
インテリジェンス(比較的弱い)
速度(比較的速い)
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
¥10.8 /M tokens
混合価格
クイック簡易比較
Devstral Small (May '25)
¥0.1
Devstral Medium
¥0.4
Devstral
¥0.1
基本パラメータ
Mistral Small (Feb '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
Proprietary
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
2024-02-26
応答速度
183.73,997 tokens/s
ベンチマークスコア
以下はMistral Small (Feb '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
22.92
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
12.27
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
28.43
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
41.9
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
30.2
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
4.4
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
11.1
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
13.4
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
79
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
56.2
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
0.7
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
GPT 5 Mini
openai

¥1.8
入力トークン/百万
¥14.4
出力トークン/百万
400k
コンテキスト長
GPT 5 Standard
openai

¥63
入力トークン/百万
¥504
出力トークン/百万
400k
コンテキスト長
GPT 5 Nano
openai

¥0.36
入力トークン/百万
¥2.88
出力トークン/百万
400k
コンテキスト長
GPT 5
openai

¥9
入力トークン/百万
¥72
出力トークン/百万
400k
コンテキスト長
GLM 4.5
chatglm

¥0.43
入力トークン/百万
¥1.01
出力トークン/百万
131k
コンテキスト長
Gemini 1.0 Pro
google

¥3.6
入力トークン/百万
¥10.8
出力トークン/百万
33k
コンテキスト長
Gemini 2.0 Flash Lite (Preview)
google

¥0.58
入力トークン/百万
¥2.16
出力トークン/百万
1M
コンテキスト長
GPT 4
openai

¥216
入力トークン/百万
¥432
出力トークン/百万
8192
コンテキスト長