%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Mistral Medium
Mistral Medium
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
はい
推論モデルかどうか
32,768
コンテキストウィンドウ
-
最大出力トークン
-
知識カットオフ
価格設定
- /M tokens
入力
- /M tokens
出力
￥29.43 /M tokens
混合価格
クイック簡易比較
Devstral
Codestral-Mamba
Codestral (Jan '25)
￥0.2
基本パラメータ
GPT-4.1技術パラメータ
パラメータ数
未発表
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
リリース日
2023-12-11
応答速度
71.13,969 tokens/s
ベンチマークスコア
以下はclaude-monet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
2280
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
1088
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
-
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
49.1
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
34.9
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
3.4
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
9.9
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
11.8
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
-
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
40.5
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
3.7
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
おすすめAIモデル
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
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
Qwen2.5 Coder Instruct 32B
alibaba
￥0.65
入力トークン/百万
￥0.65
出力トークン/百万
131k
コンテキスト長
Gemini 1.5 Flash 8B
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
Gemini 1.5 Pro (May '24)
google
￥18
入力トークン/百万
￥72
出力トークン/百万
2M
コンテキスト長
Llama 3.2 Instruct 11B (Vision)
meta
￥0.43
入力トークン/百万
￥0.43
出力トークン/百万
128k
コンテキスト長
Gemini 2.0 Flash (experimental)
google
￥0.72
入力トークン/百万
￥5.04
出力トークン/百万
1M
コンテキスト長
O1 Preview
openai
￥108
入力トークン/百万
￥432
出力トークン/百万
128k
コンテキスト長